Tournament_GRPO：让8 份报告打一场淘汰赛第一次参与 Agentic-RL Lab，用 Qwen3.5-4B LoRA 复现 Tournament-GRPO。20 steps、92.04 元，记录训练结果、完成率带来的提升，以及真正跑起来才会发现的环境问题。 2026-11-02 开源复现
TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning 2026-06-13 论文阅读
