PPOの雑なものは数秒で終わることもあり(おそらく)、継続的な学習に大きな影響を与えます。今でも、それは超人的なことです。つまり、とても馬鹿げたものでもうまくいくということです もしかすると神の方針は「PPOの雑技に十分なCUDAのハックを組み合わせて数秒で終わらせる」だけかもしれません。