覆盖，而非定向：多轮 Agent 信用分配中的一种结构性范式

多轮 Agentic RL 越来越把信用分配视为一个定向问题：给定一个终态可验证奖励，逐轮方法会把信用定位到那些起作用的轮次上。我们识别出一个能预测何时这才是正确做法的结构量：验证器信息密度 V_d = k/C（验证器暴露了一个 Agent 的 C 步因果链中多少比例的逐轮正确性），并表明终态验证器深处于低 V_d 区域，在这里定向不是正确的着力点。在 tau^2-bench 上进行受控的共享 rollout 对比、并将奖励密度与信用几何分离之后，我们发现：将连续稠密奖励均匀铺开，比稀疏的二元结果奖励更优（在 4/5 个 seeds 上净有害）；而把同样的优势集中到进度轮次上，或集中到随机轮次上，同样有害：定向只是次要因素。其机制在于覆盖：终态验证把可观测信号压缩到单一的最终写入轮次（在 98% 的 rollouts 中 k=1），而成功却需要一个 5-8 步的前置工具调用链。一个合成相边界把交叉点放在 V_d* ~ 0.8，而在 tau^2-bench 上测得的 V_d 约为 0.15，在 BFCL V3 上约为 0.4；在 BFCL 上，均匀分配同样获胜，而一个匹配浓度的打乱对照在 8/8 个 seeds 上为负。该效应在 ToolACE-2-8B 的不同模型家族上也能复现（Delta = -0.048，基于 32 个预注册 seeds；独立的 20-seed 复现本身也显著），而一个预注册的匹配预算广度扫描描绘出单调的剂量-反应曲线，其缺口只有在全链路覆盖时才会消失，其中一个 reward-to-go 分支达到了与全覆盖持平。均匀重分配是零信息的覆盖默认方案，逐轮方案必须优于它；我们贡献了匹配浓度的打乱对照，任何定向主张都应先通过这一检验。