把网页应用的功能评分映射到局部代码区域，改善强化学习信用分配。
推荐理由：标准GRPO把总奖励平均施加于全部令牌，难以定位网页功能由哪段代码实现；将评分细则转成局部代码信号，可让交互、状态和样式获得更精确监督。
阅读原文