为评估新增视频录制支持，包括单环境和矢量环境录像功能，并更新 README.md 添加使用示例和效果展示。

mario-rl-mvp/README.md

@@ -2,6 +2,10 @@
 
 最小可运行工程：使用像素输入 + 传统 CNN policy（`stable-baselines3` PPO）训练 `gym-super-mario-bros / nes-py` 智能体，不使用大语言模型。
 
+最新进度
+
+![PixPin_2026-02-14_12-57-02.gif](PixPin_2026-02-14_12-57-02.gif)
+
 ## 1. 项目结构
 
 ```text
@@ -278,6 +282,7 @@ python -m src.record_video \
   --time-penalty -0.01 \
   --epsilon 0.08 \
   --duration-sec 30
+  --stochastic
 ```
 
 或者稳定版本
@@ -297,6 +302,8 @@ python -m src.record_video \
   --epsilon-random-mode uniform \
   --max-steps 6000
 ```
+
+
 可选:
 
 ```bash
@@ -523,3 +530,17 @@ python -m src.record_video --duration-sec 10 --fps 30
 - `artifacts/models/` 下有 `.zip` 模型
 - `artifacts/logs/` 下有 TensorBoard event 文件
 - `artifacts/videos/` 下有 `.mp4`（或失败时有 `_frames/` 帧序列）
+
+python -m src.eval \
+  --model-path artifacts/models/latest_model.zip \
+  --episodes 50 \
+  --movement simple \
+  --reward-mode progress \
+  --no-progress-terminate-steps 300 \
+  --no-progress-terminate-penalty 10 \
+  --death-penalty -50 \
+  --stall-penalty 0.05 \
+  --stall-steps 40 \
+  --time-penalty -0.01 \
+  --random-noops 30 \
+  --epsilon 0.03