abc-grpo
ABC 기반 단계 보상 GRPO
단계별 스코어 r_{i,t}를 정규화 후 미래할인 계수를 적용해 단계별 advantage를 계산하고(마스킹된 도구 응답 제외) GRPO의 궤적 수준 이득 대신 단계별 이득으로 정책을 최적화하는 RL 단계이다.
ABC 기반 단계 보상 GRPO
단계별 스코어 r_{i,t}를 정규화 후 미래할인 계수를 적용해 단계별 advantage를 계산하고(마스킹된 도구 응답 제외) GRPO의 궤적 수준 이득 대신 단계별 이득으로 정책을 최적화하는 RL 단계이다.
