标签: 强化学习

此标签下的所有文章 "强化学习".

• 深入浅出讲解 Agentic RL Infra 八大问题

  2026年10月18日

  从 RL、RLHF、RLVR 到多轮 Agent，讲清 Agentic RL Infra 的架构选型、同步异步、策略陈旧、训推不一致、策略算法、奖励与信用分配、Reward Hacking、环境噪声八大问题，结合公式、量化示例与原始论文分析遗留难题和未来方向。