腾讯混元发布TreeOPSD长程智能体强化学习预印本

腾讯混元（Tencent Hunyuan）与 AlbertW24045555 发布预印本 TreeOPSD（Tree-Aware Posterior Distillation，树感知后验蒸馏），用于长程 LLM 智能体的强化学习。据发布方在 X 上的介绍，这是一种无需 critic（critic-free）的强化学习方法。 目前公开信息仅限预印本标题与上述方法定位，尚无实验设置、对比结果或效果数据可供判断其实际表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。