TSBPO：树状分支优化交互式语言智能体

Rui Yu、Chong Mu、Jinchuan Zhang 提交论文，提出名为 TSBPO 的树结构采样到更新训练范式，用于交互式语言智能体的策略优化。据论文称，该方法在同一训练循环内处理任务采样、延迟反馈分配与多 token 动作损失聚合三个问题。 目前公开的是论文层面的方法描述，报道未给出实验对比结果或实际效果数据。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。