研究者提出树式强化学习框架TriGRPO

研究者提出一种面向长程大语言模型智能体的树式强化学习框架TriGRPO，用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。 该框架先通过事后引导分支构建回滚树，再以根组、节点组、跨组三类分组组织策略优化。据作者报告，在不同模型规模上，任务表现和回滚效率均有稳定提升。

AI 根据报道生成 · 5 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。