TSBPO: Tree-Structured Branching for Policy Optimization in Interactive Language Agents

Rui Yu, Chong Mu, Jinchuan Zhang

На странице источника доступны аннотация, полный текст или сведения о том, где его прочитать. Препринт может ещё не пройти рецензирование; проверьте, появилась ли журнальная версия.