一介布衣、

摘要： https://blog.csdn.net/qq_38961840/article/details/145384852 https://arxiv.org/abs/2402.03300 强化学习中的基本概念 智能体、环境与交互 在传统的强化学习框架中，我们通常有一个智能体（Agent） 和一个环境（ 阅读全文

摘要： https://arxiv.org/abs/2505.16854 https://github.com/kokolerk/TON 摘要 强化学习（RL）已被证明是提高视觉-语言模型（VLMs）推理能力的有效后训练策略。组相对策略优化（GRPO）是一种近期突出的方法，通过鼓励模型在回答之前生成完整的推 阅读全文