S-trace：面向 RLVR 的选择性后继资格迹方法

针对 GRPO 等无 critic 算法在 RLVR 中粗粒度时序信用分配的问题，研究者提出选择性后继资格迹方法 S-trace，通过后继重要性重加权恢复 PPO 式裁剪下的下游信用信号，并借助基于熵的 token 选择将其传播到选定的历史 token。