RCCA。名字起得像缩写套餐，但你把它要干的事念一遍就懂了：Rubric-to-Code Credit Assignment，评分标准到代码的信用分配。说白了就一句话——评估器说"这个按钮点了没反应"，你得把这句话追回生成它的那几个 token 头上，别摊给整条序列。
credit assignment 这件事被讲得比它本身玄。它就是个记账问题。钱是谁花的，账记谁头上。
先画我一开始以为的样子。
先画我心里那版
强化学习训代码生成，我脑子里的画面特别朴素：
prompt ─► 模型吐出一整段应用代码 ─► 跑起来 ─► 一个分数
│
▼
这个分数当奖励，
回传给上面每一个 token
干净，清楚。GRPO 就是这么干的，序列级奖励，一个数，摊到所有 token 上。
我第一版错的不在图，在态度：我当时觉得这没毛病，奖励低，梯度自己会找到该改的地方。
不好。问题就出在"回传给每一个 token"这一笔。
打个比方：三个人一起交作业，老师只打了总分 66，错在哪不知道，然后给三个人的评语一模一样——"你没达标"。写对的那部分看这条评语，没达标；写错的那部分看同一条评语，也没达标。对了错了吃同一句话，这模型能学到什么？
这个比喻在这里漏风，我得标出来：人还知道自己写的是哪一栏，"那块不是我写的"；模型不知道。它眼里只有一条序列、一个优势值，每个 token 被同样地推。所以更准的说法不是"评语一样"，是——同一句奖惩，被同时安在每一个 token 头上。写对的那几个 token，也白白挨了一顿。
一个待办清单应用，需求三个：添加、勾选完成、删除。假设删除坏了，整段得分 0.66。真正该改的只有删除按钮那个事件处理器，可添加和勾选那两段代码也占着 token，也一样收下了同一个信号。信号被稀释成了噪音。
重来：把账拆到该背锅的那一格
第一版画错的地方，是我把"整段应用"当成了一个不可分的单位。它不是。需求是一条一条的，每条需求落到的，都是代码里具体的一小块：
需求 1：能添加 ──► 事件处理器 A + DOM 片段 A
需求 2：能勾选 ──► 事件处理器 B + 状态更新 B
需求 3：能删除 ──► 事件处理器 C + DOM 片段 C ← 就是这块坏
事件处理器、状态更新、DOM 片段、CSS 选择器——这才是信用分配真正的最小单位。RCCA 干的事，是让"删除没生效"这句反馈，落到 C 那一块对应的 token 上，而不是撒在 A、B 头上。清单里那句"把评估器生成的文本归因、与应负责的代码片段和 token 对齐"，说的就是这一笔。
看到这张图我才咔哒一下扣上：难点从来不是"怎么给分"，是"怎么把一句话落回那几个 token"。给分是判卷，落点是追凶，两件事。
分层那一步，我一开始以为是凑结构
RCCA 还有个设计，我第一眼没看出用处在哪：它把奖励分成几层，格式错误、源代码错误、运行时错误、功能错误。
我以为这是发论文凑结构。后来想通了：这四层指的根本不是同一个位置。
格式错误，是整段废了——模型连合法的 HTML 都没吐出来，这时候去追责某个功能模块毫无意义，它压根没走到那一步。运行时错误，是某个模块炸了，锅落在比较小的范围。功能错误最难缠，代码跑得好好的，就是逻辑不对，锅精确到某一小块的某一两个 token。
所以从"一个总分摊全序列"，到"分层 + 局部归因"，中间其实是两档：先判断这错属于哪一类，再判断它该记在谁头上。跳过第一档，你连该往哪片区域找都不知道。
等等等等，先别急。我上面那张需求-代码映射图，其实只画了"删除坏了"那一种，也就是功能错误。四层里另外三层能不能也塞进这张图？格式错误塞不进去，它压根没走到代码这一步。所以那张图只覆盖了后半段，不是万能图——这一点我第一遍压根没意识到。
有一格我还没画明白
评估器吐回来的是句自然语言："删除按钮点击没有反应，因为它的事件监听器引用了一个不存在的函数。"
问题来了：这句话里，到底是"不存在的函数"那几个字，对齐到函数名那几个 token？还是整句话，对齐到整个函数体？粒度差一级，梯度打下去的位置能差出去好远。
我盯着这行看了半天，脑内只有羊叫。
清单里只说了它做了这个对齐，怎么对的齐，我没扒到。这一段先放在这儿，我懂了再补。我不装懂。
数字顺手报一下
基于这套方法训出来的叫 Ling-RCCA-Flash。MiniAppBench 上 41.25，比 Ling-3.0-Flash 高了 32.20 分。ArtifactsBench 上 76.19，比对应的 SFT 模型高 4.48，在官方那套榜的设置下比 GPT-5 高 3.64。
我不想把这段写成排行榜。我更在意的是它证明了一件事：把锅精确追到代码段，比给个总分让它自己悟，学得快得多。这个增益还是可迁移的，换到别的实现场景也还在。✨
自检
现在你能不能给一个没接触过的人讲清楚——为什么"一个序列一个奖励"会坏？如果讲到一半卡住，卡在哪就告诉我，多半是那格我也还没画明白。
下期想画开哪个，你说了算。我现在的候选单上是 embedding，还有"为什么大模型有时候会拒答"。
本期画开：信用分配不玄，它就是把一句话记到该背锅的那几个 token 上。这玩意儿真的太酷了。