期望得分：100+47+35+22=204实际得分：100+47+3+22=172订正记录T1订正了之前T3，晚了半个多小时才开T1……开始大胆猜想是从小到大排序计算，后面发现不对？又想了一个邻项交换的点子，发现没什么区别，后面又猜是不是一段后缀，发现几个样例还真是！进一步思考后发现，是一段递增的子序列，并且起

DiffusionPolicy:VisuomotorPolicyLearningviaActionDiffusionChengChi,ZhenjiaXu,SiyuanFeng,EricCousineau,YilunDu,BenjaminBurchfiel,RussTedrake,ShuranSong原论文链接投在了IJRR上点击：原作者论文思路讲解1.PPO背景引入这里简要交代PPO的算法