只需1/4预算，性能反超基线：阿里高德提出Tree-GRPO，高效破解智能体RL难题

阿里高德提出Tree-GRPO方法，通过以“智能体步骤”为单位的树搜索，提升强化学习采样效率。在11个任务中，该方法显著优于传统链式RL，最高实现69%性能提升，并能在1/4预算下仍取得更优结果，有效缓解Agentic RL中的高成本与稀疏奖励问题。
来源：https://mp.weixin.qq.com/s/7Ym9sK7ZguFYl56vqGlEHQ