ROME 提出 IPA：按块而非按 token 分配 RL 信用

ROME 团队提出 IPA（Interaction-Perceptive Agentic Policy Optimization），在 chunk 级而非 token 级分配 RL 信用，理由是 token 粒度太细、整条轨迹太粗，chunk 与实际工具调用语义对齐。