HuggingFace Daily Papers·· 26 天前AI 评分47
TreeOPSD：面向长程智能体强化学习的树感知后验自蒸馏框架
Tree-Aware Posterior Distillation for Long-Horizon Agentic Reinforcement Learning
AI 导读
TreeOPSD 提出一种无价值网络（critic-free）的树感知后验自蒸馏框架，用于长程智能体强化学习，将每个交互轮次视为树节点，从共享前缀分支出备选续写并递归回传终端奖励，得到隐式轮次级信用。
来源：HuggingFace Daily Papers · huggingface.co