它不是简单地在固定位置切割块，而是： 维护 10 种观测类型（literal 值的直方图 + match 长度/距离分布） 每 512 个符号检查一次：如果在此处换块，新块的编码成本会降低多少？
只是这里我放到了最后。PPO 总的联合损失函数（Total Loss）。策略梯度损失（policy_gradient_loss，优化 Actor） + 价值网络损失（优化 Critic）+ 熵损失（entropy_loss，鼓励探索，带负号）。
length - 1; i++) { int minIndex = i; for (int j = i + 1; j < arr.
size()); DWORD dataBytes = static_cast(data.