Spotify 用 LLM 解释做 RL 信用分配，延迟奖励场景大幅超越 PPO

Spotify 的 Corcoll 等人提出 Explanatory World Models（EWM），用前沿 LLM 生成的解释识别哪些早期事件真正导致了回报，再通过保守分层算子递归重分配奖励，并保持未折扣回报不变。