轻量投影/MLP BF16 微调

调整了一些参数默认值

useful.sh

@@ -71,3 +71,11 @@ python3 psnr_score_for_challenge.py --gt_video unitree_g1_pack_camera/case1/unit
   - 优先 BF16：稳定性好于 FP16
   - 只做半精度，不做 INT 量化：保持 PSNR
   - VAE 尽量 FP32：最影响画质的模块
+
+BF16 projector比FP32 projector更准的可能原因：
+  - 数值路径更一致：主干在 BF16 下做 attention/MLP，projector 若是 FP32 会在进入主干前被 downcast，导致“先高精度非线性→再截断”的分布偏移；直接 BF16 算 projector 反而让输出
+    分布更贴近主干的计算习惯。
+  - 训练分布匹配：训练时你是 precision:16，projector 长期在低精度环境下被优化；推理用 FP32 反而可能偏离训练时的统计特性。
+  - LayerNorm/Softmax 敏感：Resampler/MLP 里 LN/Softmax 对精度很敏感，FP32 计算后再降精度，数值边界更容易“硬截断”；BF16 全程计算可能更平滑。
+
+  这也解释了为什么你看到 BF16 projector 反而更准。