Hugging Face发布TreeOPSD研究论文

发生了什么

据Hugging Face Papers报道，TreeOPSD是一种用于长视界智能体强化学习的无评论家树感知后验自蒸馏方法。该方法通过树结构自蒸馏和基于终端奖励的有界更新，解决长期交互中的信用分配稀疏问题。实证显示，在Deep Research设置下，Qwen3-30B-A3B-Thinking-2507模型准确率较GRPO提升4.97分。