SCAPO

SCAPO：藉由半事實穩定性最佳化 RLVR 的 Token 級信用分配

SCAPO: Optimizing Token-Level Credit in RLVR via Semifactual Stability

本研究提出 SCAPO 演算法，藉由半事實提示干預衡量 Token 的穩定性，精準調整強化學習中的信用分配，顯著提升了大型語言模型的數學推理與泛化能力。