StaRPO：稳定性增强强化策略优化论文发布

StaRPO 是一个稳定性增强的强化学习框架，将推理稳定性拆解为自相关函数（ACF）与路径效率（PE）两项轻量指标，并与任务奖励结合提供过程感知反馈。该工作在四个推理基准上持续优于对比基线，能同时提升最终答案准确率与逻辑稳定性，已被 NeurIPS 2026 接收。

摘自 arXiv：cs.LG

还没有足够的连续观测数据，暂不绘制趋势。