arXiv · cs.AI · Penghong Zhao, Yihao Chen, Maoheng Yuan, Yunjian Zhang, Abudukelimu Wuerkaixi, Haoran Xu, Man Lv, Yaolong Wang, Zhijie Sun, Guohua Liu, Yuewei Zhang · 12 小时前模型评分34
TriGRPO：基于树结构事后信用分配的智能体强化学习框架
Hindsight Credit Assignment over Trees for Agentic RL
导读
研究者提出 TriGRPO，一个基于树的强化学习框架，通过回滚树内和跨树的事后信用分配，把稀缺的成功经验转化为探索与学习信号。该框架用事后引导分支构建回滚树，并以根组、节点组、跨组三类分组组织策略优化。实验显示，在不同模型规模上任务表现和回滚效率均有稳定提升。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “In this paper, we propose TriGRPO, a tree-based reinforcement learning framework that turns scarce successes into exploration and learning signals through hindsight credit assignment within and across rollout trees.”
来源：arXiv · cs.AI · arxiv.org