Tropical RL：现有 LLM 强化学习代数结构不适配组合任务

研究团队提出 Tropical Reinforcement Learning，指出现有标准 RL 难以让 LLM 有效学习组合性任务，根本原因是其代数结构不是最优。传统方法对所有成功答案的概率求和，只能衡量模型“多常成功”，无法刻画“哪条解法成功”，而 Tropical 代数（max-plus）用最大值取代求和以追踪最优解路径。这是对 RLVR 训练方法的底层反思与新框架提案。