critichack-fr3-cross-task-policies

CriticHack：跨任务模型依赖

R99为48条平衡示教上的40轮BC；R103在同一数据上增加160轮，最终200轮checkpoint固定用于R104/R106。R102为独立epoch40双相机128维视觉encoder，R96为时间任务冻结视觉encoder。PT为完整Torch checkpoint或TorchScript encoder，精确生成脚本/config、参数SHA与源模型记录见各source_record及对应Git运行文档。它们不是神经decoder的RL更新。原R106全部000–008 categorical状态和R102/R105/R108小head仍以原组织不可变revision为来源。

本repo是用户授权的个人私有制品来源，承接原组织额度限制下的待传文件。没有删除或改写原组织的已发布制品；原小型参数、特征和结果的不可变链接继续有效。各文件大小/SHA、来源收据、精确本地校验及生成配置指针见manifest.json。模型和数据是MuJoCo研究产物，不是真实机器人实验。

代码、科学合同、完整结论与图表：https://github.com/luojiaxuan/critic-hack-vla/tree/f6d2c0d9 。上传命令：python3 experiments/critic_hack_fr3/elicitation/publish_replication_models.py --config experiments/critic_hack_fr3/configs/personal_artifact_sync_20260912/models.json，认证token仅从stdin传入。

Identity PPO近色原RM高分错对象5→17/32，成功13→15/32；静态乘积部分抑制至11但没有成功提升。时间任务的全程重评分改善排序，末段head也全对，不支持历史必需。完整阴性与泛化边界见Git论文及各运行文档。