强化学习助手

该插件支持多种强化学习算法（如 PPO、SAC、DQN 等），允许用户创建自定义 Gym 环境，并实现监控和控制的回调功能。它还支持使用向量化环境进行并行训练，便于与深度 RL 工作流程集成。