步步为营：工具集成文本到 SQL 的步级信用分配

工具集成的文本到 SQL 解析将 SQL 生成视为与工具执行交错的序列决策过程。然而，现有强化学习方法主要依赖粗粒度结果监督，导致根本性的信用分配问题：模型对任何产生正确答案的路径给予相同奖励，即便中间步骤冗余或错误。为此，本文提出 FineStep 框架，通过引入独立过程奖励缓解信号稀疏性，设计步级信用分配机制量化每步推理价值，并基于步级优势进行策略优化。实验表明，该方法在 BIRD 基准上达到最先进水平，显著减少冗余工具交互。