面向终端智能体的依赖感知策略优化：Credit Where It Matters

针对终端智能体在编码、调试等多步任务中，后续命令常依赖前序命令产生的信息或中间结果，而现有轨迹级与步骤级信用分配方法未显式追踪命令间的读写依赖，导致训练信号被分配给无关操作，该论文提出 Dependency-Aware Group Policy 方法，将信用分配与命令读写依赖对齐，以强化对关键步骤的学习。