SuperMimic：pathwise 梯度信噪比带来效率提升

SuperMimic 解析线程第 4 部分量化解释效率来源，pathwise 梯度信噪比比 score-function 高约 30 倍。在同类模型 rollout 上，想象步数比 PPO 少约 64 倍，terminal critic 则使 rollout 保持较短。