Hugging Face Daily Papers·· 3 天前精选AI 评分50
TreeOPSD：面向长程智能体强化学习的树感知后验蒸馏
Tree-Aware Posterior Distillation for Long-Horizon Agentic Reinforcement Learning
AI 导读
论文提出 TreeOPSD，一种无需 critic 的树感知后验自蒸馏框架，用于长程智能体强化学习。该方法把每个交互回合视为树节点，从共享前缀分支出备选续写，并将终端奖励递归回传为隐式回合级信用，再映射为以相对冻结行为策略的似然比为参数的闭式有界教师分布。
推荐理由
论文提出无需 critic 的树状自蒸馏方法，用终端奖励回传得到回合级信用，为长程智能体强化学习提供可迁移的训练思路。
来源：Hugging Face Daily Papers · huggingface.co