quality steering

quality steering 作用于视频/观测层面，保留对所有质量等级 rollout 的完整监督；quality-weighted supervision 作用于动作层面，对模仿损失进行重加权，成功片段获得更高的动作克隆权重，失败片段降低其在动作损失中的比重但保留其在世界建模损失中的贡献。