S-trace：RLVR 细粒度信用分配方法

2026年10月15日，arXiv Artificial Intelligence 刊出 Chaoli Mou 等作者的论文，提出选择性后继资格迹方法 S-trace。该工作针对 GRPO 等无评论家算法将轨迹级优势统一分配给所有 token、难以区分各推理步骤贡献的问题，通过后继重要性重加权恢复 PPO 式裁剪下的下游信用信号，并借助基于熵的 token 选择将其传播至选定的历史 token。作者在文中将 S-trace 描述为一种无评论家的资格迹方法，用以实现更有效的信用分配。目前报道仅涉及方法提出本身，未提及实验结论、适用模型或发布限制等后续进展。

AI 根据报道生成 · 刚刚更新

还没有足够的连续观测数据，暂不绘制趋势。