SkillGate

论文指出长轨迹中的技能选择只有少数命名 token，却被整段 outcome reward 稀释，正确技能也可能因后续失败而被错罚。SkillGate 将技能 token 的局部优势与执行 token 的结果信用分离；五个基准、16 候选技能的 9B 策略从 40.8% 到 53.2%，并减少三分之二误导候选暴露。