Eric Jang 讲解如何从零构建 AlphaGo

Eric Jang 在 Dwarkesh Patel 的播客中讲解了如何从零构建 AlphaGo，涵盖蒙特卡洛树搜索、价值网络与策略网络以及自我对弈训练。他对比了 AlphaGo 的 MCTS 与 LLM 的 RL，指出后者需在超长轨迹中解决信用分配问题，而前者每步可给出更优动作作为训练目标。