TreeOPSD：长程智能体强化学习新方法预印本发布

Dr. Cheems Wang 发布预印本论文，提出 TreeOPSD——一种面向长程 LLM 智能体的无 critic 强化学习方法。该方法将终端奖励沿 rollout 树回传，并把每次更新拆成两步：先为每一轮构造目标，再用前向 KL 让当前策略匹配该目标。 目前公开信息仅为论文发布及方法框架描述，尚无实验效果或第三方验证的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。