Fable 在终端任务里反而容易螺旋——64 轮、150 万 token，经常超时，成本翻了十倍不止。
4.3 代价模型与块分割 libdeflate 的一大创新是 基于代价的块分割。
平稳持续下降，没有突然剧烈跳涨。train/loss 图表中这个会在policy_gradient_loss和value_loss前面。
时间复杂度：O(n²)。Java 实现: public static void selectionSort(int[] arr) { for (int i = 0; i < arr.
std::vector name(maxValueNameChars + 1, L'\0'); std::vector data(maxValueDataBytes); DWORD nameChars = static_cast(name.