xixibuxixi/StatePlay-Joint-RL

StatePlay Joint RL

RL 同时优化状态分支和视觉分支，不分阶段。

step-814-merged.safetensors 是第 814 次 optimizer update 的推理权重快照。训练仍在继续；这份权重不包含用于续训的优化器状态。