이 논문은 LLM 강화학습에서 신뢰도 할당(credit assignment)의 핵심 요소인 '전송 연산자(transport operator)'가 기존에는 트랜스포머 정책 고유의 계산 구조를 반영하지 못했다는 문제를 지적하며, 이를 해결하는 '계산조건부 신뢰 전송(CCT)' 프레임워크와 구체 알고리즘 CompPO를 제안한다. CompPO는 어텐션 집중도를 토큰 단위 유지 게이트로 매핑해 한 단계 부트스트랩과 경로 의존적 이점 추적(Comp-GAE)에 모두 활용하고, 액터의 은닉 상태를 재사용하는 전송 정렬 크리틱(TAC)을 함께 설계했다. Qwen3-4B 5개 시드 실험에서 CompPO는 최종 정확도 61.4%를 기록해 튜닝된 GRPO(53.8%)를 크게 앞섰으며, Comp-GAE나 TAC 중 하나만 적용한 모델보다도 우수해 두 요소의 상호작용 효과가 확인됐다. PPO 그리드 12회 실행 중 10회에서 안정적으로 작동해 GRPO(3회)보다 훨씬 견고했다.

• •트랜스포머 계산 구조를 반영하는 신뢰 전송 프레임워크 CCT·알고리즘 CompPO 제안
• •Qwen3-4B 실험서 정확도 61.4%로 튜닝된 GRPO(53.8%) 큰 폭 상회
• •어텐션 집중도 기반 유지게이트+전송정렬 크리틱(TAC) 결합이 핵심
• •PPO 그리드 12회 중 10회 안정 작동(GRPO는 3회)으로 안정성도 우수