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
StepOPSD: Step-Aware Online Preference Distillation for Agent Reinforcement Learning
文章
ArXiv CS.AI
2026-05-27
NEWS
en
作者: Yanfei Zhang, Xu Lin, Chenglin Wu
人工智能
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
StepOPSD: Step-Aware Online Preference Distillation for Agent Reinforcement Learning · 相关技术
相关技术
Redis
ORM
远程代码执行(RCE)
reinforcement learning
divide-and-conquer partitioning
Token
Tera
TURN
Straight-Through Estimator
SPA
Parts-of-Speech (POS) tags
On-policy distillation
NLI
Mali
Grouped Memorization Evaluation
Granular Alignment Paradigm
GRPO
For
DiT
Dense
CIS
ANN
Agent
API