强化学习（RL）的训练过程常常像一个难以捉摸的黑箱。我们盯着终端里不断滚动的损失函数和奖励值，却很难直观地理解智能体（Agent）在特定时刻“想”什么，它的决策策略是如何在迭代中逐步形成的。如果能打开这个黑箱，实时窥探其内部状态——尤其是像
2023-10-27