Level 2-9 使用 hash-chain，链长度随等级递增（4→32→128），在速度和压缩率之间取得平衡。
强化学习的一个结论：平稳温和的迭代，经常比单次激进优化得到更好的最终结果。train/value_loss 价值网络损失（Critic 网络专属损失）。
时间复杂度：O(n²)。Java 完成: public static void bubbleSort(int[] arr) { for (int i = 0; i < arr.
// 返回：ERROR_SUCCESS 表示成功。ERROR_NO_MORE_ITEMS 表示结束。