arXiv · cs.AI· Ruolin Chen, Yang Li, Jihang Wang, Zhuoya Zhao, Yuchen Liu, Jiaming Xu, Qian Zhang·· 11 小时前
PTGPO：基于前缀树组策略优化的语言智能体训练方法
PTGPO: Prefix Tree Group Policy Optimization
arXiv:2610.14737v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ruolin Chen, Yang Li, Jihang Wang, Zhuoya Zhao, Yuchen Liu, Jiaming Xu, Qian Zhang
研究任务与主要进展
研究提出 PTGPO，一种面向长时程交互任务的 critic-free 语言智能体策略优化方法，在锚定状态组内对轨迹后缀构造前缀树，并通过树边连接动作带来的条件回报变化分配细粒度信用，无需评论器或额外 rollout。基于论文摘要，该方法在 ALFWorld、WebShop 和 Sokoban 上相较 RL 基线持续改进，但摘要未提供具体实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org