5 Commits

Author	SHA1	Message	Date
Zihan Ye	25f89717f1	调整为动态指标，并将奖励归一化	2026-01-13 17:32:31 +08:00
Zihan Ye	9fa47127ab	修复单独测试时无法正常保存的bug，修改ctm模型运算单位	2026-01-13 15:34:47 +08:00
Zihan Ye	c735b011c8	添加并行运行环境、训练频率降低以提升交互次数	2026-01-05 21:25:40 +08:00
Zihan Ye	39b0134609	添加随机种子，自动保存最优模型	2026-01-05 17:04:27 +08:00
Zihan Ye	fd0dc80a91	First runnable	2026-01-05 16:15:53 +08:00