本研究提出QLASS方法，解决语言代理在缺乏中间交互注释时的次优政策问题。通过推理树和过程奖励建模，QLASS在复杂任务中显著提升推理性能，并在标注数据减少时仍保持良好表现。

QLASS：通过Q引导的逐步搜索提升语言代理推理
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证