Today for AI
返回热点榜
agent热度 7.7°

AI 聚合热点事件 · 2026/11/12

清华腾讯提出 TreeOPSD 深度研究准确率提升 4.97 个百分点

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/12 21:28:00
全景综述与最新动态
1 家信源交叉印证

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。

最新动向/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。

逐小时热度走势

20 个完整观测小时
当前
7.7
峰值
11.922:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

报道时间线

共 1 篇 · 最新优先
  1. 量子位 (微信公众号)T2·72 分

    清华腾讯提出 TreeOPSD 深度研究准确率提升 4.97 个百分点

    原标题：深度研究准确率提升4.97个百分点！清华腾讯让Agent学会“论功行赏”

    • TreeOPSD 通过共享前缀的树式轨迹采样，将终局奖励回传至中间节点，估计轮次级信用。
    • 在 Qwen3-30B-A3B-Thinking-2507 上，四项 Deep Research 评测平均 Exact Match 达 21.20%，较 GRPO 提升 4.97 个百分点。
    • 方法同时处理策略陈旧性问题，让模型根据当前状态决定更新幅度。
清华腾讯提出 TreeOPSD 深度研究准确率提升 4.97 个百分点 | Today for AI