上海 AI Lab 提出 SERO：用可执行 Oracle 续跑训练长程智能体强化学习

上海人工智能实验室联合上海交大、同济大学提出 SERO，用可执行的 oracle 续跑改进长程智能体强化学习。该方法从当前策略实际到达的状态出发，把 oracle 控制的未来轨迹恢复为可执行训练轨迹，并按策略兼容性加权，解决 rollout 走不到有用行为时 credit assignment 无法监督未经历状态动作的问题。SERO 在推理时零额外开销。