強化學習

CSPO

CSPO：針對表格到 LaTeX 生成的元件特化獎勵優化框架

表格影像轉 LaTeX 時常因獎勵模糊化失真。CSPO 為結構、樣式、內容分別給予獎勵，僅回傳至相關 token，降低干擾。實驗證明其在三大指標上均優於傳統 RL，提升生成可靠性。