要从 stableBaselines3 学习算法加载结果，x, y = ts2xy(load_results(output_dir)) 显然使用了类似的东西。load_results生成一个包含 4 列的数据框：index，这将是所讨论的模拟的索引，r，这将是该模拟期间的总奖励，l（这是？），以及t，这将是自学习开始以来的时间（？）。
代表什么l？
除了每次模拟的奖励（步数，其他自定义指标......）之外，是否可以保存更多数据？
问问题
29 次