단계별 추론 보상
문장 단위로 분할된 각 추론 단계에 대해 Gold Alignment와 Answer Contribution 두 기준 중 하나라도 만족하면 1을 부여하는 이진 과정 보상이다. 이 보상은 최종 답과 독립적으로 각 단계의 유효성을 평가해 추론 과정 자체를 감독하도록 설계되었다. 단계별 보상은 MRPO의 어드밴티지 재형성에서 어느 단계가 잘못되었는지를 판단하는 핵심 신호로 사용된다.