论文Agent 与开发者11:08Semifactual Credit-Augmented Policy OptimizationSCAPO算法通过半事实稳定性改进了令牌级信用分配,在数学和分布外基准上表现优异。#SCAPO#GRPO#Qwen3#强化学习aarXiv cs.AI@Junshu Pan 等 8 人原文稍后读已读值得跟进有用关注 SCAPO