exploration-strategy

N-GRPO 在 GRPO 框架中引入语义邻居混合，以增强数学推理多样性并保持语义一致性，在数学基准和分布外任务上均取得了提升。

ScreenSearch 引入了一个用于歧义感知桌面探索的系统，结合了结构化屏幕检索与去重技术，以及一个基于 PUCT 的图赌臂算法，用于处理 GUI 代理中的部分可观测性。该系统在 11 个应用中收集了超过 100 万张截图，并展示了探索策略中新颖性与歧义性之间的权衡。