这一步是策略更加倾向选择能拿到更高奖励的动作。只控制模型怎么选择动作。好的表现是：缓慢持续下降，不会剧烈震荡、不会突然断崖式飙升。
NET Optimal，部分场景超越 Native C ✅ 独立可控：不依赖系统 zlib 版本，行为一致可预测 待改进 ⚠️ 吞吐率差距：SpeedFirst 模式为 .
IndexPath 还有特殊处理：它可能被 BitmapHeapPath 引用，因此被淘汰时 不能像普通 Path 一样立即 pfree()。
4.3 关系代数等价变换在哪里 在 13 步流程中，关系代数相关逻辑主要集中在第 4 步。