CCPO：面向 LLM 智能体的上下文信用策略优化

研究者提出 Contextual Credit Policy Optimization（CCPO），通过上下文相似度对跨轨迹的观测匹配样本加权，并结合历史信用与未来信用为每一步分配信用，无需辅助价值评论家。