SCOPE由策略分析自身轨迹，为关键步骤生成事后技能并进行局部在策略蒸馏。
推荐理由：它避开整条轨迹奖励把正确步骤一并惩罚的问题，只在识别出的关键位置注入事后指导；可提高长程Agent强化学习的信号精度。
阅读原文