Теперь можно собрать полноценного DQN-агента (Deep Q-Network — алгоритм обучения с подкреплением) без тяжелых и переусложненных фреймворков. Новый гайд показывает, как использовать экосистему JAX для создания сверхбыстрого пайплайна обучения на примере классической задачи CartPole. В основе лежат библиотеки DeepMind: Haiku отвечает за архитектуру нейросети, Optax за градиентный спуск, а RLax предоставляет готовые математические примитивы для RL. Вместо того чтобы писать обновление Q-значений вручную, вы используете функцию rlax...