1. 仍有一部分 pick 不调用 pick；
2. picking violate 是怎么回事？

现在主要工作是 让它 train 起来。

然后研究如何保存模型，并 set_parameter。

在 train 了，希望 work。

意识到：

1. 无需 RL，因为仅此一步。
2. RL 貌似不一定 work，因为我魔改了代码。