国防科大与清华提出 ICRPM：用上下文预测下一步任务风险，优化 rollout 预算分配

国防科技大学与清华大学团队提出 ICRPM，利用近期任务与风险记录直接预测策略更新后的任务风险，无需额外 rollout 或环境交互。在基于 Qwen3-4B-Base 的 Countdown 实验中，ICRPM 的 pass@1 在 CD4 上达 55.7%，两项评测平均 65.4%，高于 GRESO 的 63.8% 和 MoPPS 的 63.4%。