HISPO用熵划分长推理轨迹，在词元级与序列级之间进行分层重要性采样。
推荐理由：HISPO以熵自动识别解题轨迹中的语义片段，再分层校正重要性采样；它在词元级和整序列级方案之间建立中间粒度，缓解长推理信用错配。
阅读原文