其他动画电影从未实现过这一成就，尤其是那些更依赖全球口碑的电影，比如迪士尼和华纳兄弟的作品。最近，《海洋奇缘2》的全球总票房为3.86亿美元。然而，《哪吒2》仅在中国市场就将收入4亿美元，这使迪士尼和华纳兄弟遭遇强劲竞争。

我大概能get你问问题的点。 最近几天我也在思考这个问题。昨天我基本想通了。 首先强化学习常需要“行为克隆”(BC)来初始化。假设你知道每个st对应的最优动作at，那么就直接用监督学习拟合就行了。这称为行为克隆。 但很遗憾，我们不一定知道最优动作是啥，也没法获取所有的(st,at)对。但人类的文本，可以看做是最优动作的近似。举个例子，“我爱北京天安门”，“我爱北京天安”是st，那么下一个近似最优的 ...