Step-level Rollout

引用本概念的论文(1)

• Agentic-DPO:从模仿到基于专家轨迹的智能体策略优化 Agentic-DPO: From Imitation to Agentic Policy Optimization on Expert Trajectories arXiv 2607.10601

共现相关概念

在引用本概念的论文中,与下列概念同时出现的次数(降序)。