PPO 最核心思想：不能让策略一次性改动太大！，否则训练极易崩溃、震荡。数值小：新旧策略几乎没变化，更新力度太弱，学习慢 数值大：新策略一次性改动过猛，很危险，容易训崩 网上有很多说法，有说0.
注意：末尾不要加分号 #define MAX 1000; // 不要这样写 加了分号容易出问题，比如： if (x > y) max = MAX; // 展开后 max = 1000;; 两条语句 else max = 0; // else 找不到配对的 if，报错 所以养成习惯，末尾不加分号。
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。
（2）如与用户存在上述关联关系的其他用户帐号严重违反法律法规或CSDN规则规定的，CSDN视违规的严重程度，有权对用户帐号做出限制措施，包括但不限于： 清空帐号信息及所发布的全部内容；限制或永久封禁帐号功能；扣除帐号收益；延长帐号收益提取、结算周期；冻结帐号在CSDN的全部款项。
#58719 修复 InputNumber 在 Form 开启反馈状态时不显示 suffix 的问题。