RELACE用原始与结果条件双情境似然比对动作打分，在ALFWorld与WebShop上取得所比较方法中最高的平均成功率
RELACE是一个无需评论家的框架，用冻结行为策略对已执行动作在原始情境与结果增强情境下做教师强制似然打分，将两者长度归一化得分之比在轨迹内归一化并裁剪后重加权折扣回报，再在状态匹配组内构造局部优势，与GRPO轨迹级优势结合；在ALFWorld与WebShop上使用Qwen2.5-1.5B-Instruct与Qwen2.5-7B-Instruct，其报告的平均聚合指标高于GRPO、GiGPO、HCAPO与GraphGPO等基线。