提出PTGPO：前缀树组策略优化

研究者提出 PTGPO（Prefix Tree Group Policy Optimization），一种无需 critic 的方法，在 anchor-state 分组内对轨迹后缀构建前缀树，用每个树边子节点与父节点经验平均回报之差来分配信用。

摘自 arXiv：cs.AI

还没有足够的连续观测数据，暂不绘制趋势。