TSBPO树状采样方法发布

2026年11月，研究人员发表TSBPO论文，提出一种面向交互式语言智能体的树状分支采样方法。该方法旨在解决智能体训练中的任务采样、延迟反馈分配及动作损失聚合难题。 在实验效果上，使用Qwen2.5-1.5B模型进行训练。在ALFWorld基准测试中，该方法在已知及未知场景分别实现97.79%和96.64%的成功率。在WebShop基准测试中，每回合成功率达到81.07%。目前该训练配置在两个交互基准上均获得最优结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。