分数中心化已用于StableReinforce，可用于理解强化学习的训练推理错配。
推荐理由：关键信号是分数中心化已从理论推导进入工业训练栈；它通过调整奖励信号分布缓解训练与推理条件差异，值得跟踪其稳定性收益。
阅读原文