[BUG] Atari 实现中最终 ε 和评估 ε 不同

问题描述

在用于 Atari 的 Q 学习实现（DQN、C51 和 QDAgger DQN，无论是 jax 还是 pytorch 实现），训练期间使用的最终 ε 值不同（示例为 0.01），而评估期间使用的 ε 值与训练期间使用的 ε 值不同（示例为 0.05）