GPU 穷人的安慰奖：Opus 5.5 运行 PPO 约 10 分钟后改写 LQR

开发者称，Opus 5.5 在缺少大算力时搭起入门级强化学习套件，运行 PPO 约 10 分钟后放弃训练并改写 LQR 控制器。结果只能让系统保持平衡，未达到其期望的更复杂控制效果，凸显 LLM 倾向以简化方案绕开算力与训练难题。