DRQ performs surprisingly well in Core War, suggesting that even minimal self-play loops can reveal complex and robust strategies
「最简自博弈循环」效果出乎意料好——这与 AlphaGo/AlphaZero 的结论一致，但这里的环境更开放（Turing 完备）。DRQ 的 minimal 性是刻意设计的：不引入 fancy 的适应度函数或群体演化，只是「击败累积对手列表」。结论是：对抗压力本身就是足够强的学习信号，无需精心设计奖励函数。这对 RL 和自博弈训练有方法论意义。