PolicyLift：基于观测数据的生成式策略改进框架

针对观测数据中动作重叠弱和生成训练昂贵的挑战，提出三阶段框架 PolicyLift 以改进结构化动作策略。 框架通过离散动作码学习上下文依赖策略，在代码层面提升保证原始动作空间策略改进，并在合成及真实文本生成任务中验证效果。