强化学习第一版

output/rl/official-practice/README.md

@@ -0,0 +1,15 @@
+# RL 官方模拟器演练验证归档
+
+本目录只归档**官方模拟器“演练测试”**（问题3/4），从未执行正式测试。
+
+- Q3 `20260911-rl-01`：案例 `F38Y-9Q9J-B82V-CB9Z`，13 全向源，13/13 全清，
+  虚拟时间 3538.811s，124 请求；`verification.json` 全部通过。
+- Q4 `20260911-rl-01`：案例 `X43X-VMRF-8GRZ-3SYA`，7 全向 + 3 定向，
+  10/10 全清，虚拟时间 14003.086s，619 请求（随机初始化 PPO）。
+- Q4 `20260911-rl-bc-01`：案例 `BXSA-TFQ3-2DJ6-DHH7`，**10 定向源**，
+  10/10 全清，虚拟时间 14562.817s，691 请求（自建模拟器专家行为克隆初始化
+  后 PPO 微调）。
+
+每个目录保留：官方 `.result.json/.jlog/.psum` 原文件、我方 `session.jsonl`、
+`summary.json`、`verification.json` 与 `manifest.json`。两个 Q4 案例源构成
+不同，虚拟时间不直接可比；共同结论是 RL 闭环在官方演练中均可全部清除。