Self-Credit：用组内重标定为长程智能体 RL 做信用分配

论文提出 Self-Credit，一种端到端智能体强化学习方法，通过组内重标定从稀疏结果奖励中生成密集监督信号。方法包含三部分：策略模型在 rollout 中生成带引用的摘要作为自生成信用，用组内重标定比较同一提示下成功与失败 rollout 中被引用的动作，再用重标定后的信用权重更新被引用轮次的优势值。