共计 27 篇文章

---

2026

08-17

论文精读｜Kimi K3 后训练阶段详解：三阶段范式与多领域强化学习

04-21

On-Policy Distillation：让学生在自己的轨迹上向老师学习

04-14

论文速读｜MetaClaw：让 AI 智能体在生产环境中持续进化

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

01-22

GRPO 去掉 Critic Model 会带来哪些问题？

01-20

DAPO 与 GSPO 相对于 GRPO 的改进