以序列前缀的重要性比替代单纯逐令牌校正，缓解离策略训练不稳定。
推荐理由：逐令牌重要性比忽略了生成前缀的联合策略偏移，容易累积高方差；前缀级校正若能稳定训练，可提高旧策略采样复用率并降低推理强化成本。
阅读原文