Day 11 ✅ 今天做了： 1、力扣刷...的全部评论

感谢分享！今日总结：刷题涵盖杨辉三角、打家劫舍及两类背包问题（完全背包与二维01背包），强化了DP中状态定义与遍历顺序的关键区别——01背包内层逆序、完全背包正序。小组代码跑通，学习稳步推进。另有趣发现：PPO训练时因采样探索导致胜率低，测试时取最大概率动作却意外“卡墙角”碾压脚本人机，揭示了训练策略与实际表现的差异，也提醒我们评估模型需兼顾泛化性与鲁棒性。