এটি একটি পুরনো স্কুল রানেস্কেপ RL এজেন্ট, যে একটি সম্পূর্ণ অন্যায় প্রতিপক্ষের বিরুদ্ধে লড়াই করছে—একটি পারফেক্ট রোবট যা সবসময় “সঠিক সিদ্ধান্ত” নেয় এবং 50% সময় আপনার কাজগুলি ঘটার আগেই পড়ে ফেলে। কেউ দেখলেই সহজেই বুঝতে পারবে কোনটি কোনটি। এই গেম সম্পর্কে যাদের কিছুটা জ্ঞান আছে, তাদের জন্য এটা একটু আশ্চর্যজনক হতে পারে, কিন্তু পলিসি প্রতিপক্ষকে মাটিতে মাড়িয়ে দেয়। বিশেষ করে যদি আপনি দেখেন এটি কিভাবে খেলছে। এটি সবসময় নিজের লক্ষ্যের জন্য যা “খারাপ” গিয়ার বলা হয়, তা পরিধান করে, এবং শীর্ষস্থানীয় মানুষেরা যা করতে চান, তার মধ্যে প্রায়ই কিছুই করে না। এটি একটি একক 4090-এর উপর মিনিটগুলিতেই 90% জয়েরহারে পৌঁছায়। অবশ্যই, বাস্তবিক পরীক্ষা হবে—এটি সর্বোত্তম মানুষের বিরুদ্ধে কতটা সাধারণীকরণ (generalize) করতে পারে। যদিও, আমি এখানে একজন মানুষকে “খেলার” মোডেও রাখি, তবুও, আমি পরীক্ষা করতেই পারি না, कारণ आमि तुरन्तै पॉलिसी द्वारा भयानक रूप से हराइ जाइते हूँ। आमि पहले भी इस गेम में बहुत अच्छा खेलता था। “बस इसे लाइव गेम में वास्तविक खिलाड़ियों के खिलाफ खेलाएं” एक विचार है, लेकिन हम वास्तव में गेम में सीधे धोखाधड़ी करने के लिए तैयार नहीं हैं। हालांকি, कিছুটা private setup-এরও idea-টা really cool!