OACR：面向智能体知识图谱问答的结果锚定信用重分配

针对智能体知识图谱问答中结果监督强化学习将整条轨迹的结果优势均匀分配给所有 token 的问题，OACR 用仅在训练时使用的 KG 状态结果模型估计相邻搜索状态间的结果奖励变化，转化为操作信用并派生 token 级权重，在保持优势符号不变的前提下重分配更新幅度。在三个基准上，OACR 整体表现优于现有 KGQA 方法，且推理时的 LLM 调用次数与 token 用量更少。