Постереорная дистилляция для обучения на дальнего горозонских агентных фортификаторах

arXiv:2610.23181v1 Annuate Type: New Humber Abstract: Укрепление обучения с поддающимися проверке наградами стало масштабной парадигмой послеучебных моделей большого языка. Однако, тренировочные агенты в случае длительных связей с горизоном сталкиваются с двумя проблемами: использование только награды в терминалах делает кредитные назначения по очереди ограниченными и высокими, а последовательное обновление мини-батч о фиксированной партии выпуска приводит к неустойчивости политики, поскольку нынешняя политика отходит от политики поведения. Существующие подходы получают более мощное признание благодаря усвоенным критикам, моделям вознаграждения за процессы или перегонки в политике, но они зависят от ценной сети, аннотаций на уровне ступени или более сильному внешнему учителю, что повышает сложность подготовки. В то же время выборка важности и вырезки сглаживают смещение политики, однако в них не уточняется конечная цель, которая препятствует последовательному обновлению данных от завышения. В этой работе мы введём TreeOPSD, безкритико-показательную систему самоперегонки деревьев для дальнегоризонных агентов ре.