Not All Tokens Deserve Equal Credit: Counterfactual Sensitivity Credit Reallocation for Long-CoT Reasoning
并非所有 token 都应获得同等权重：面向长思维链（Long-CoT）推理的反事实敏感性权重重分配
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学现代软件技术国家重点实验室） ； Institute of Wireless Communications Technology, Shanghai Jiao Tong University（上海交通大学无线通信技术研究所）
AI总结 针对长思维链推理中均匀分配 token 权重的缺陷，提出反事实敏感性权重重分配方法，在数学推理基准上优于 GRPO，验证了特权诱导方向不可靠的诊断。
Comments 20 pages, 6 figures, 11 tables
