TIGPO：用于长时程LLM智能体的时间实例图策略优化

该论文提出TIGPO，一种针对长时程LLM智能体的时间实例图策略优化方法。它通过将轨迹组织为状态转移图并引入跨更新的时间关联，解决现有方法每次策略更新独立构图而丢失时序信息的问题，从而改善信用分配。

AI推荐理由 该论文针对长时程LLM智能体训练中信用分配难的问题提出新优化思路，有助于提高复杂任务下智能体的样本效率与稳定性。尽管目前仅见于预印本、尚未公开具体实验数据，但若验证有效，可推动智能体在自动化决策等领域的落地应用。