沿着动作，看一次决策如何发生。

本轮观察：RS 成功率未超过 Base。RS 的多次提案步骤中，84.9% 的候选文本完全相同；45.8% 的执行步骤走了 fallback。评分能拒绝坏动作，重新采样却未必产生新动作。