#credit-assignment
- AgentOPSD: рекурсивная самодистилляция для агентного обучения с подкреплением Tsinghua University research
- ABSeeker: обучение поисковых агентов с длинным горизонтом через распределение наград методом обратного отслеживания ответа Shanghai Jiao Tong University research
- AgentOPSD: рекурсивная самодистилляция для агентного обучения с подкреплением research
- Agentic ESOpt: файнтюн long-horizon LLM-агентов с минимальными требованиями к GPU National University of Singapore (Zhi Zheng, Wee Sun Lee et al.) research