day3： 1.做了5491练习题 2.强化学习增加时间惩罚并鼓励探索，再训练一晚等明天效果 明天计划： 1.5486复习，理清复习思路 2.5489代码作业（争取搞定） 3.6007作业，争取完成一部分 4.强化学习项目继续优化，学习ppo算法，以及评估函数。