强化学习是一种机器学习范式，目标是让智能体（Agent）通过与环境（Environment）的交互，学习如何采取行动以最大化长期的累积奖励（Cumulative Reward）。与监督学习（给定输入-输出对）不同，强化学习没有明确的标签，智能体需要通过试错（Trial-and-Error）来发现哪些行动是“好的”。游戏：智能体在游戏中选择动作（如移动、跳跃），环境返回奖励（如得分）或惩罚（如游戏失

python版本太高，降低版本即可。

原因：d2l版本过高。

如果无法访问huggingface，可以先使用AutoDL的学术资源加速，在程序开头添加以下代码。如果启用学术资源加速后遇到SSL证书验证错误