从方法到实验理解 GRAFT：当监控器只能发现部分作弊时，如何通过控制参数更新的位置，降低模型的奖励作弊倾向。

这几天围绕 SuperMimic 做的一次失败探索：从地形跟踪、完整感知，到模型梯度诊断、参考适配和真实物理 PPO。链路跑通了，但还没有得到一个能稳定利用地形、又保留原有动作质量的策略。