Surgical Policy Optimization

深度分析

T-STAR 框架：將推理路徑轉化為認知樹，解決 AI 代理人獎勵稀疏問題

針對 AI 代理人在複雜推理中面臨的獎勵稀疏挑戰，T-STAR 框架提出將推理路徑由「鏈」轉化為「樹」，透過認知樹結構與手術式策略優化，精確定位關鍵錯誤並修正推理行為，顯著提升 LLM 在多輪對話與長鏈推理任務中的表現。