评分 7 · 来源：arXiv · 发布于 2026-04-09
评分依据：Agent策略优化：链中推理+树中学习，自纠正+嫁接，Agent RL方法论创新
Reason in Chains, Learn in Trees: Self-Rectification and Grafting for Agent Policy Optimization
原文： arXiv
评分 7 · 来源：arXiv · 发布于 2026-04-09
评分依据：Agent策略优化：链中推理+树中学习，自纠正+嫁接，Agent RL方法论创新