强化学习第一版

pyproject.toml

@@ -15,13 +15,25 @@ dev = [
     # 独立评测机（自建模拟器）：仅测试侧依赖，运行时代码零导入（懒加载 + 守卫测试）
     "mcm26b-referee",
 ]
+rl = [
+    "gymnasium>=1.1",
+    "stable-baselines3>=2.6",
+    "torch==2.11.0",
+]
 
 # uv 工作区：referee/ 是独立包（零第三方依赖、不依赖 mcm26b），双方仅通过 HTTP 协议耦合
 [tool.uv.workspace]
 members = ["referee"]
 
+# RL 训练使用 CUDA 12.8 版 PyTorch（本机 RTX 4060；运行时依赖保持轻量）。
+[[tool.uv.index]]
+name = "pytorch-cu128"
+url = "https://download.pytorch.org/whl/cu128"
+explicit = true
+
 [tool.uv.sources]
 mcm26b-referee = { workspace = true }
+torch = { index = "pytorch-cu128" }
 
 [build-system]
 requires = ["hatchling"]