arXiv 2026年10月5日作者提出 AdaStep，把「组内局部优势应多大程度修正轨迹级信号」建模为对潜在步级优势的均方误差估计问题，在显式条件采样假设下推导出最优的逐状态收缩系数，该系数具有信号占总方差之比的解释：当回报波动可归因于所选动作时保留局部信用，当下游随机性主导时抑制之；方法只需轻量标量计算，无需 critic、额外 rollout 或额外模型推理，在三个模型骨干与 ALFWorld、WebShop、ScienceWorld 上以低计算成本一致优于基线。作者提出 AdaStep，把「组内局部优势应多大程度修正轨迹级信号」建模为对潜在步级优势的均方误差估计问题，在显式条件采样假设下推导出最优的逐状态收缩系数，该系数具有信号占总方差之比的解释：当回报波动可归因于所选动作时保留局部信用，当下游随机性主导时抑制之；方法只需轻量标量计算，无需 critic、额外 rollout 或额外模型推理，在三个模型骨干与 ALFWorld、WebShop、ScienceWorld 上以低计算成本一致优于基线。AdaStep 用逐状态收缩系数自适应加权步级信用，在 ALFWorld、WebShop、ScienceWorld 上以低计算成本稳定超越基线作者提出 AdaStep，把「组内局部优势应多大程度修正轨迹级信号」建模为对潜在步级优势的均方误差估计问题，在显式条件采样假设下推导出最优的逐状态收缩系数，该系数具有信号占总方差之比的解释：当回报波动可归因于所选动作时保留局部信用，当下游随机性主导时抑制之；方法只需轻量标量计算，无需 critic、额外 rollout 或额外模型推理，在三个模型骨干与 ALFWorld、WebShop、ScienceWorld 上以低计算成本一致优于基线。作者提出 AdaStep，把「组内局部优势应多大程度修正轨迹级信号」建模为对潜在步级优势的均方误差估计问题，在显式条件采样假设下推导出最优的逐状态收缩系数，该系数具有信号占总方差之比的解释：当回报波动可归因于所选动作时保留局部信用，当下游随机性主导时抑制之；方法只需轻量标量计算，无需 critic、额外 rollout 或额外模型推理，在三个模型骨干与 ALFWorld、WebShop、ScienceWorld 上以低计算成本一致优于基线。