# ProcessLight论文总结与翻译 论文信息：ProcessLight: Process Supervision for Large Language Model Based Traffic Signal Control，arXiv:2609.22746，已被EMNLP 2026接收## 一、文章主要内容本文聚焦**大语言模型（LLM）用于交通信号控制(TSC)** 任务。现有基于LLM的交通信号控制方法只依靠最终执行结果做优化，无法区分推理步骤的好坏，会出现“中间推理错误，但最终动作碰巧正确而被强化”、“部分推理有效但最终动作错误被全盘惩罚”的信用分配错误问题，损害模型学习有效推理的能力。为此，作者提出**ProcessLight**框架，将交通信号决策拆解成可验证的语义推理步骤；并进一步提出**STeP‑PO（Step‑wise Traffic Process Policy Optimization）分步交通过程策略优化**强化学习框架，实现步骤粒度的信用分配：1. 使用**步骤质量分数**评估每一步局部推理是否合理；2. 通过反事实敏感性计算**步骤重要度**，衡量该推理步骤对最终动作的影响；3. 构建**语义步骤树**，在树结构上分配分层优势值，并把步骤级优势传播到推理文本的token层面，实现超越仅靠结果奖励的细粒度策略优化。在济南、杭州多个真实世界交通数据集上开展大量实验，该方法对比传统控制器、深度强化学习、其他LLM基线方法，在平均通行时间、平均等待时间、平均排队长度指标上取得最优效果；消融实验证明，过程级监督能够同时提升中间推理可靠性与最终信号决策质量，代码已开源。## 二、核心创新点1. **ProcessLight
)
