使得bp只在x2分支上进行，x1分支只与x2分支同步更新（我感觉叫skip gradient之类的名字更合适，如果两个分支采取一样的结构，就不存在所谓的sg）。这里从直观上减少了模型的过平滑，因为bp对z1的影响大幅减弱了。另一个起作用的原因可能是pred(mlp)与main(backbone+mlp)的收敛速度不同，类比EM算法的解释也