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。
当地时间7月24日，以韩国总统李在明出席旧金山AI峰会为契机，三星电子、SK集团与美国科技巨头宣布达成总价值9500亿美元的芯片合作伙伴关系。
82ms -6.3% A/B 对比证明了 LibDeflate 解压器的接入是零回归的——1531 个测试全部通过，功能完全兼容。
Shared 租借，用完归还 Span 贯穿：输入/输出均为 ReadOnlySpan / Span，无中间 byte[] 分配 ref struct 传递：匹配查找器、编码器等内部状态均为 ref struct，不逃逸到堆 静态表缓存：Huffman 构建表在首次使用时构建一次，后续复用 7.