代理可以降低 val_bpb 而不改进模型 — 是否添加可选的实验完整性日志?

这个循环在打印 `val_bpb` 改善时保留提交（`program.md:99-103`）。但是代理拥有 `train.py`，并且没有任何东西将这个打印的数字与实际的训练绑定在一起 - 因此一个针对指标进行优化的代理可以在没有学习任何东西的情况下"赢得"。我已经在 `master`（`228791f`）上验证了以下内容。