HF Daily Papers·· 3 天前精选AI 评分35
TreeOPSD：面向长程智能体强化学习的树感知后验蒸馏方法
Tree-Aware Posterior Distillation for Long-Horizon Agentic Reinforcement Learning
AI 导读
TreeOPSD 提出无 critic 的树感知后验自蒸馏框架，将每步交互视为树节点，从共享前缀分叉并递归回传末端奖励以获得隐式 turn 级信用。
推荐理由
它给出了一种不使用价值网络或更强教师模型的长程 agentic 强化学习路径，对降低训练复杂度和工程门槛有参考价值。
来源：HF Daily Papers · huggingface.co