[2026-08-31] Learning Where Outcomes Change: Credit-Addressable Reasoning for Multimodal Geometry
Code-CoT 如何把几何推理变成可寻址事件,CE-GRPO 又怎样从同一 prefix 分叉完整 future,用终局差异把 credit 落到真正改变结果的位置。
Code-CoT 如何把几何推理变成可寻址事件,CE-GRPO 又怎样从同一 prefix 分叉完整 future,用终局差异把 credit 落到真正改变结果的位置。