共计 14 篇文章

---

2026

08-20

SCRL：从推理链生成可验证子问题——让失败 rollout 也产生细粒度信用

08-20

DelTA：从隐式判别器到 token 级信用分配——方法、公式与完整数值推演

08-20

综述｜From Reasoning to Agentic：LLM 强化学习信用分配的统一地图与识别边界

08-20

HCAPO：用结局反看关键动作——长程 LLM Agent 的事后信用分配