拆解智能体强化学习增益来源

用检查点交接区分强化学习改善了状态到达能力，还是到达后的决策能力。

推荐理由：端到端成功率混合了“走到哪里”和“到达后怎么做”两类增益；检查点交接能控制状态分布，避免把更优探索误判为更强决策，重塑智能体RL归因。