TSBPO树结构训练范式提升交互式智能体成功率
热点事件持续更新
TSBPO树结构训练范式提升交互式智能体成功率
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Rui Yu、Chong Mu、Jinchuan Zhang 发布的论文提出 TSBPO：一种树结构“采样到更新”的训练范式，在同一训练循环内处理交互式语言智能体从终端结果学习时的采样、延迟反馈分配和多 token 动作损失聚合问题。 以 Qwen2.5-1.5B 为执行模型，TSBPO 在 ALFWorld 上达到已见任务 97.79%、未见任务 96.64% 的随机成功率；在 WebShop 的 500 个测试目标上，每回合成功率为 81.07%。
AI 根据报道生成 · 3 小时前更新
最新进展11月2日 13:00
TSBPO：面向交互式语言智能体的树结构分支策略优化报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AITSBPO：面向交互式语言智能体的树结构分支策略优化
研究提出 TSBPO，一种树结构采样到更新的训练范式，在同一训练循环内解决交互式语言智能体从终端结果学习时的采样、延迟反馈分配和多 token 动作损失聚合问题。使用 Qwen2.5-1.5B 作为执行模型，在 ALFWorld 上取得 97.79% 已见任务和 96.64% 未见任务的随机成功率，在 WebShop 500 个测试目标上每回合成功率 81.07%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。