Badacze zaproponowali nową metodę zmniejszania wariancji w problemie przypisania kredytu w uczeniu przez wzmacnianie, wykorzystując rozumowanie konterfaktyczne. Podejście opiera się na identyfikacji alternatywnych ścieżek decyzji, które mogłyby się wydarzyć, aby efektywniej przypisać wpływ konkretnych akcji na końcowy wynik. Jest to istotne dla poprawy stabilności i efektywności szkolenia agentów RL, zwłaszcza w złożonych środowiskach.