把树状轨迹展开视为策略梯度的算力分配问题，提升奖励与梯度利用效率。
推荐理由：传统GRPO让整条轨迹共享一个优势值，难以区分关键决策与环境随机性；树状分支复用前缀并优化采样位置，可把有限推理算力集中到高信息决策点。
阅读原文