토큰별 비율 대신 누적 prefix 비율 $P_t$로 교정하는 관점 — current-policy advantage 전제 하에 correctness theorem을 제공한다. 실무 critic-free 구현은 그 자리에 behavior 정책의 결과 보상을 꽂아 넣어 정리의 전제가 조용히 위반된다.
토큰별 비율 대신 누적 prefix 비율 $P_t$로 교정하는 관점 — current-policy advantage 전제 하에 correctness theorem을 제공한다. 실무 critic-free 구현은 그 자리에 behavior 정책의 결과 보상을 꽂아 넣어 정리의 전제가 조용히 위반된다.
'가는 길'만 보정하는 계열의 이론적 대표. 정리는 맞는데, 실무가 정리의 전제 밖에서 돌아간다.
우리 실측에서 GSM8K 역선택(below-chance)이 난 칸
'정리가 있는데 왜 실패하나'가 우리 이론의 출발
이들은 gradient 품질, 우리는 top-k 결정을 estimand로
prefix-only 교정의 이론적 대표 — 전제 위반 지점이 우리 부호 반전 증명의 정확한 표적이다.