MIRA-AC：从预训练价值模型初始化共享 actor–critic

MIRA-AC 从预训练价值模型初始化共享 actor–critic，由 critic 预测剩余回报、actor 选择下一个调查方向。针对长程 episode 装不进单个上下文、auto-compaction 在人为边界切分轨迹导致的信用偏差，MIRA 采用跨上下文重置拼接 episode 与长度自适应 GAE，保住早期决策的信用。