共计 5 篇文章

---

2026

09-10

RAGEN：多轮 Agent RL 为什么会崩溃？StarPO、Echo Trap 与推理退化

08-21

Agentic-R：为 agentic search 训练检索器，用全局答案正确性反传

08-18

SAO: 面向智能体强化学习的单轨迹异步优化

04-14

论文速读｜Youtu-Agent：自动化构建 + 混合策略优化的 LLM 智能体框架

04-01

论文速读｜OpenClaw-RL：用对话训练任意 AI 智能体