온폴리시 학습
에이전트가 현재 보유한 정책을 직접 실행하여 얻은 데이터로 즉시 학습하는 방식입니다. 학습 과정의 안정성이 매우 높지만, 매번 새로운 데이터를 수집해야 하므로 데이터 효율성이 낮을 수 있다는 특징이 있습니다.
GRPO 대비 성능 128% 향상, 메모리로 LLM 에이전트의 탐색 한계 돌파