StepPO: Step-Aligned Policy Optimization for Agentic Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Daoyu, Li, Qingchuan, Cheng, Mingyue, Ouyang, Jie, Yu, Shuo, Liu, Qi, Chen, Enhong
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2604.18401