PPO slop 可以在幾秒鐘內完成（可能），這對持續學習有很大的影響。即使在今天，它也超越了人類。這意味著，這個非常愚蠢的東西可以運作 也許神之政策真的只是 "PPOslop 框架加上足夠的 CUDA 黑客技術，使其在幾秒鐘內完成"