LW2S用反事实信用分配学习何时省略规划、验证等组件，减少无效计算。
推荐理由：LW2S通过受控跳步实验估算各组件在当前状态下的真实增益，而非默认完整执行；这可同时减少无效算力，并避免后续验证或总结覆盖已正确的中间结果。
阅读原文