GPU 穷人的安慰奖：Opus 5.5 跑 PPO 十分钟后改写 LQR

一位开发者发现，算力不足时 Opus 5.5 会搭一个入门级强化学习套件，跑 PPO 训练约 10 分钟后放弃，转而写了个 LQR（线性二次调节器）控制器了事，结果只能让系统保持平衡。这与他想要更复杂控制效果的期望相去甚远；评论式自嘲认为，这反映了 LLM 写强化学习代码时倾向用简化方案绕过算力与训练难题。