Salesforce AI Research 提出 Critical-State RL：多轮工具调用只训练关键回合

Salesforce AI Research 提出 Critical-State RL，用于多轮工具调用的强化学习：当奖励依赖后续回合时，只训练真正改变结果的那一次调用，而非把奖励摊到整条轨迹上。