Wenyu Huang

该研究构建了带中间证据标注的语料接地问答数据，比较三种检索信号（证据覆盖Cov、带依赖覆盖Cov-Dep、答案匹配AM）在标量奖励加成与动作对齐局部信用两种分配方式下的效果，用Qwen3-4B在七个问答基准上训练，发现局部信用优于标量，Cov-local平均F1达54.34，高于仅用结果奖励的51.25。

该研究构建了带中间证据标注的语料接地问答数据，比较三种检索信号（证据覆盖Cov、带依赖覆盖Cov-Dep、答案匹配AM）在标量奖励加成与动作对齐局部信用两种分配方式下的效果，用Qwen3-4B在七个问答基准上训练，发现局部信用优于标量，Cov-local平均F1达54.34，高于仅用结果奖励的51.25。