用强化学习教神经网络打格斗游戏

一位开发者用 RL 训练两个智能体对战类街霸格斗游戏，观察是否出现有趣的新兴行为。智能体表现出明显的 reward hacking，作者通过奖励塑形让它们学会接近对手，并引入联赛对战（league play）避免只学会针对特定对手的利用策略。文章附有可试玩的主 bot。