op-policy-learning

#op-policy-learning

超越时间戳：面向长期智能体的决策对齐在线策略蒸馏

Hugging Face Daily Papers ↗ · 2026-09-27 缓存

本文介绍了AlignOPSD，用于解决长期智能体在线策略自蒸馏中的决策-时间戳不匹配问题，与基线方法相比，在ALFWorld、WebShop和Search-QA等基准测试中提高了性能。

0 人收藏 0 人点赞