風雨中的小七

摘要： 當大模型成為Agent，我們該如何教會它“行動”？我們將看到一條演進路線：從優(yōu)化單一動作（ReTool），到學習長程規(guī)劃（RAGEN），再到提升思考質(zhì)量本身（RStar2），最后到一種不依賴外部獎勵的、更底層的經(jīng)驗內(nèi)化方式（Early Experience）。 閱讀全文