arXiv · cs.AI· Chaoli Mou, Xinning Chen, Zhan Zhuang, Qinghe Zheng, Deyuan Kong, Yu Zhang·· 2 天前
S-trace通过选择性后继资格迹改进RLVR中的时序信用分配
Selective Successor Eligibility Traces for RLVR
arXiv:2605.05965v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chaoli Mou, Xinning Chen, Zhan Zhuang, Qinghe Zheng, Deyuan Kong, Yu Zhang
研究任务与主要进展
Chaoli Mou等人提出选择性后继资格迹（S-trace），用于改进可验证奖励强化学习中的时序信用分配，并通过后继重要性重加权和基于熵的令牌选择，将下游信用传播到历史推理步骤。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org