论文
SRPO: Self-Reflective Policy Optimization for Long-Horizon Reasoning
提出自反思策略优化方法，提升大语言模型在长周期推理中的信用分配能力
首次收录 2026-08-25热度 0.0
reasoningagentoptimization
暂未评估,等待下一轮评分。
事件时间线
暂无事件。
关联信号
想把「SRPO: Self-Reflective Policy Optimization for Long-Horizon Reasoning」相关的机会落到自己的业务上?
想把 AI 机会落到自己的业务上?
灯塔背后的优秘智能团队提供:AI 落地咨询 · GEO 优化(让 AI 搜索推荐你的品牌) · 定制开发。留下需求,1 个工作日内回复。