在信念改变前分叉：树结构强化学习的分支位置选择

树结构采样轨迹为无评论器的可验证奖励强化学习提供步骤级归因：在中间位置分叉，由兄弟分支结果差异估计步骤价值。每次分叉都增加采样成本，现实预算通常只允许少量分叉；若结果已经基本确定，兄弟分支一致，几乎没有归因信号。因此固定树规模下，分叉位置决定收益。既有方法通常按固定长度、中点、分隔符或下一Token熵选位置。我们将其表述为寻找链价值曲线上预期结果转折的枢轴，提出信念变化分叉：读取候选边界处模型的答案信念，在连续信念差异最大的步骤之前分叉。无需步骤监督的三种实现覆盖黑盒探针、logit lens深度剖面及学习的激活方向；后者离线拟合，仅用于强化学习前验证。该信号只决定分叉位置，在采样引擎内运行时，数学探针约占步骤计算1%，代码低于5%。对照蒙特卡洛价值曲线，信念变化信号在八个模型×基准面板均优于熵、结构和LLM评审基线。在三类模型、两个领域强化学习中，数学汇总指标全部领先，OLMo-3-7B比最强基线的汇总指标高2.6、AIME 2026高2.9；OLMo代码各列也全部领先，LiveCodeBench-medium高6.5。