网友奇想：用 PPO 训练模型给自己出课再考试

有网友提出用 PPO（近端策略优化）训练模型生成个性化课程供自己学习，再由另一个模型出题考试，并用考试成绩作为奖励信号，把强化学习套在「教我学习」这件事上。该设想的推文在评论区引发关于 AI 个性化学习闭环的讨论。