量子位 (微信公众号)T2·智能体与协同
72 分
清华大学季向阳团队与腾讯提出 TreeOPSD，通过树式轨迹采样与轮次级信用估计改进长程 Agent 强化学习中的信用分配问题。在 Qwen3-30B-A3B-Thinking-2507 上，四项 Deep Research 评测平均 Exact Match 达 21.20%，较 GRPO 的 16.23% 提升 4.97 个百分点。
模型slug: qwen3-30b-a3b-thinking-2507
Qwen3-30B-A3B-Thinking-2507
通义千问系列中支持思考模式的 30B 参数混合专家模型。
收录情报动态
清华腾讯提出 TreeOPSD 深度研究准确率提升 4.97 个百分点