HugMap
人工智能
云计算
半导体
网络安全
企业软件
区块链
量子计算
生物科技
新能源与智能制造
智能穿戴
机器人
智能手机
图谱探索
趋势分析
登录
注册
StepPO: Step-Aligned Policy Optimization for Agentic Reinforcement Learning
文章
ArXiv CS.CL
2026-06-02
NEWS
en
作者: Daoyu Wang, Qingchuan Li, Mingyue Cheng, Jie Ouyang, Shuo Yu, Qi Liu, Enhong Chen
查看原文
→
关系图谱
概览
相关事件
相关公司
相关人物
相关产品
相关技术
StepPO: Step-Aligned Policy Optimization for Agentic Reinforcement Learning · 相关技术
相关技术
step-level credit assignment
step-centric paradigm
token-centric paradigm
step-level MDP
RLVR
RLHF
Markov Decision Processes
LLM
reinforcement learning
StepPO