共计 17 篇文章

---

2026

09-01

2026 年大模型 PPO：前沿进展、主流范式与论文地图

09-01

2026 Long-Horizon Agentic RL 与细粒度奖励：两条主线、一个交叉问题

09-01

TTPO：多数票不可靠时，如何在测试阶段继续训练模型？

08-20

HCAPO：用结局反看关键动作——长程 LLM Agent 的事后信用分配

08-17

Neural Thickets：预训练权重周围密集的任务专家

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

01-22

GRPO 去掉 Critic Model 会带来哪些问题？