Skip to content
简体中文

切换主题

arXiv 2610.23181 · cs.LG · 2026-10-16

Tree-Aware Posterior Distillation for Long-Horizon Agentic Reinforcement Learning

Heming Zou, Qi Wang, Yixiu Mao, Yun Qu, Yuyi Guo, Zeyuan Liu, Chenglin Li, Weijie Liu 等 10 人

Tencent Hunyuan

在最新榜 #284 本站收录于 2026-10-22

一句话要点

TreeOPSD 把多轮交互建成树,回传终局奖励得到每轮的隐式信用,再做无评论家的自蒸馏,用于长程智能体强化学习。

TreeOPSD builds a tree over agent turns, backs up terminal rewards into turn-level credit and self-distills without a critic for long-horizon agent RL.

52HF 点赞
–GitHub stars
0引用(Semantic Scholar)
45.8热度分

阅读 arXiv 原文 PDF Hugging Face 讨论

数据说明

元数据来自 arXiv API(已核实);点赞来自 Hugging Face 每日论文;引用来自 Semantic Scholar。最近刷新 2026-10-22。

要点由本站根据摘要自写,不转载摘要原文,请阅读原文。

数据更新于:最新 AI 论文(北京时间)