RAGEN-2: 模型还在认真胡说，但已经不看题了

RAGEN: LLM Agent也能通过强化学习学会“思考”和“自我进化”吗？

葡萄茉莉冷萃

TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning

The Landscape of Agentic Reinforcement Learning for LLMs: A Survey

从 0 跑通 verl：在 AutoDL + RTX 5090 上复现 GSM8K PPO Quick Start

去年今日 - 聊聊22级保研

高级软件技术笔记

为什么是Zotero

软件使用推荐-Mac