离散动作掩码：非法 move 别采样RL2026年7月11日·4 分钟阅读离散动作掩码：非法 move 别采样棋类、调度里大量非法 action；logits mask 后再 softmax，否则浪费探索且梯度学错。#强化学习#离散动作#掩码READ →
