adithyask 将 Scott Wu 的酒吧卡牌游戏改造成数学 RL 训练环境

adithyask 将 Scott Wu 设计的酒吧卡牌游戏改造为数学 RL 训练环境，并基于 Meta 的 OpenEnv 框架构建。该环境规则与奖励设计简单，为小模型留出足够提升空间，适合开展 hillclimbing 式的强化学习实验；swyx 转发调侃称「this is my quant」。