CREDO：面向时序推理智能体的证据条件信用分配

研究提出 CREDO 框架，利用中间证据恢复本地监督，优化 GRPO 强化学习中的信用分配机制。 该框架通过比较同一问题的多路径轨迹分配正信用，将结果策略权重向推理环节转移。在 MultiTQ 上，CREDO 将总体准确率从 78.0% 提升至 82.4%。