efficient-exploration

提出PaTR，一个过程奖励引导的自适应树状展开框架，用于LLM智能体的多轮强化学习。它选择性地从有希望的中间状态进行分支，并剪枝死胡同路径，在相同训练预算下，在SWE-Bench上最高提升+5.0，在FrozenLake上提升+9.3。