如何从零手写你的第一个世界模型（CartPole 实战）

作者用 500 局 CartPole 数据训练了一个 13,635 参数的 GRU 世界模型，预测下一步状态变化与是否翻车。该模型单步预测误差为 3.8 毫米车位置和 0.00026 弧度杆角，可信滚动预测视界为 29 步；配合 200 条随机动作序列的规划，100 局全部拿到 500/500。