arXiv · cs.CL· Heming Zou·· 11 天前AI 评分44
TreeOPSD：面向长程智能体强化学习的树感知后验知识蒸馏框架
Tree-Aware Posterior Distillation for Long-Horizon Agentic Reinforcement Learning
来源与原文
arXiv · cs.CL
作者：Heming Zou
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23181v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 TreeOPSD，一个无需 critic 的树感知后验自蒸馏框架，用于长程智能体强化学习。该方法将每轮交互视为树节点，从共享前缀分支备选续写，并将终止奖励递归回传为隐式轮级信用，映射为有界的闭式教师分布。在 Deep Research 设定下，TreeOPSD 使 Qwen3-30B-A3B-Thinking-2507 的平均准确率较 GRPO 提升 4.97 分。
来源：arXiv · cs.CL · arxiv.org