概念Subtask-Decomposed Advantage Estimation / 子任务分解优势估计
SDAE
RLDS方法的核心组件，将整条轨迹奖励按子任务分类体系拆分，分别计算子任务级组相对优势，并通过反思标记实现token级信用分配，是标量GRPO优势函数的替代方案
时间轴 (近 90 天)
9月24日
RLDS的核心组件是子任务分解优势估计（SDAE），被设计为标量GRPO优势函数的替代品
待验证50%
9月24日
SDAE的工作流程分三步：根据固定子任务分类体系拆分奖励、分子任务计算组相对优势、按重要性加权分配token级信用
待验证50%
9月24日
SDAE通过反思（reflection）标记来定位哪一步对某个子任务执行有关键影响，将梯度集中引导至这些位置
待验证50%