用《憨豆特工》梗解释强化学习：PPO 之于 TRPO 就是“简单常识”的胜利

作者将 PPO 取代 TRPO 的过程类比为《Johnny English》中主角凭常识和简单方法追上对手的场景。PPO 依靠更简单、朴素的直觉设计胜过 TRPO 复杂的二阶约束方法，引发经历强化学习时代的读者共鸣。