tree-structured-rollout

提出了IGRPO框架，该框架基于中间状态的信息性为多轮LLM智能体自适应分配展开预算，将自适应树结构探索与策略学习相统一。在七个搜索增强型问答基准上的实验表明，该框架一致优于基线方法。