Tag: PPO

All the articles with the tag "PPO".

• 7.0

  Tree Search Distillation：用 PPO 让语言模型学会「先搜后答」

  2026年03月15日

  · Hacker News / ayushtambde.com

  研究者提出树搜索蒸馏方法，通过 PPO 将 MCTS 等树搜索过程内化到 LLM 推理中，推理时无需额外搜索即可受益。