TRACE：面向高效 Agentic 强化学习的统一 Rollout 预算分配框架
TRACE 是一个 rollout 分配框架，通过基于前缀信息量动态分配树结构 rollout 资源，提升多轮 Agentic 强化学习中的奖励对比度。
查看原文解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。
TRACE 是一个 rollout 分配框架，通过基于前缀信息量动态分配树结构 rollout 资源，提升多轮 Agentic 强化学习中的奖励对比度。
查看原文