Deep Reinforcement Learning: Pong from Pixels

Andrej Karpathy 博客讲解策略梯度（Policy Gradients）算法，用 2 层神经网络从 Pong 游戏原始像素直接学习控制挡板。代码仅 130 行 Python，依赖仅 numpy，实现端到端强化学习。文中指出近期 RL 进展主要来自算力、数据和基础设施，而非算法突破。