rubics

标签

#rubics

DRACO：基于动态评分标准的细粒度信用分配，用于长期代理训练

Hugging Face Daily Papers ↗ · 2026-09-03 缓存

DRACO是一种强化学习方法，通过动态生成评分标准并重新分配轨迹分数来提升长期代理的性能，无需使用验证器。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈