07:46

根據(jù)林哥的回答我畫了個方便理解的圖

黃色的點就是固定隨機種子對整個學習過程的‘影響’

可以是

這些策略里的任意一種狀態(tài)

AI會根據(jù)當下的狀態(tài)找到一個吃當前果子的唯一解，不一定是最優(yōu)解。

然后固定這個步驟的答案，