TACE：两阶段优势与信用估计方法

2026年10月30日，arXiv Artificial Intelligence 刊出 Lang Chen 等作者的论文，提出 TACE（Two-stage Advantage and Credit Estimation，两阶段优势与信用估计）方法，用于 GRPO 优势估计。据该报道，TACE 分两阶段：S1 用一维最优传输映射到标准正态，替代线性标准化，以统一各任务奖励分布，并确定性截断小样本离群值；S2 在轨迹内对停止梯度的证据对比做秩校准，并将裁剪后的 token 权重归一化到均值为一，使信用总量与符号守恒。报道称，在多模态推理基准上，TACE 在多数评测中取得最强结果，但未在所有设置中占优。目前事件进展仅止于该论文的发布与上述方法描述，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。