最近在训练过程中，发现reward振荡，明明已经得到最高奖励了，但是再训练就开始起伏很大。所以想问一下有没有判断已达到最优然后自动结束训练的方法呢？就是不需要再去设定训练次数了，判断收敛就自动结束训练？