共计 14 篇文章

---

2026

08-20

TRIAGE：给 Agent 动作标注语义角色——修正成功中的倒退与失败中的探索

08-20

G2PO：把多条 Agent 轨迹合成状态图——用全局边增益分配长程信用

08-20

HCAPO：用结局反看关键动作——长程 LLM Agent 的事后信用分配

08-18

论文精读｜GLM-5.3：纯后训练 scaling 带来的涌现网络安全能力