TRACE：用合成奖励训练因果探索推理智能体

论文提出 TRACE 方法，通过向受控模拟器注入隐藏干预并生成观测，为诊断推理提供客观奖励信号，解决复杂数据因果诊断难以验证的问题。在数字广告诊断环境（12 种根因、细粒度细分归因）中，Qwen3.5-35B-A3B 经监督微调从 0.159 提升至 0.637，再用合成奖励强化学习达到 0.757，超越包括 Claude Opus 5 在内的所有提示基线，且工具调用次数显著减少。结果表明可扩展的客观训练信号可能比模型规模更关键。