검증하기 쉬운 수학·코드와 달리, 복잡한 데이터의 원인 진단은 보상을 싸게 확인하기 어렵습니다. TRACE(arXiv 2609.10315)는 합성 보상으로 인과 탐색 추론 에이전트를 학습하는 방법을 제안합니다.

• RLVR이 답을 싸게 검증할 수 있는 영역에서 추론을 키운 배경을 정리합니다

• 진단 추론에서 생기는 검증 비대칭을 설계 문제로 다룹니다

• 합성 보상으로 인과 탐색을 훈련하는 접근을 소개합니다

원문: https://daker.ai/community/train-causal-exploration-inference-agent-synthetic