🔎 Research Blog

Agentic RL 中的信用分配：方法谱系与选型指南

持续维护 90 篇 8 类 45+ min
Agentic RL Credit Assignment
阅读调研 →

On-Policy Distillation 相关工作：从学生分布蒸馏到推理能力边界

持续维护 230 篇 18 类 90+ min
On-Policy Distillation LLM Post-Training
阅读调研 →