论文阅读 7
Rubric-Based RL 十月洞察 MeRF: 训练时告诉模型评分规则会怎样？ DeepSeek-R1: 只奖励结果，推理能力会自己长出来吗？ 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？ TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning The Landscape of Agentic Reinforcement Learning for LLMs: A Survey