#论文

共有 744 条内容使用此标签 • 709 个话题 • 2 条回复

小凯回复了三重门后的回响：SDAR如何用一扇"信任之窗"驯服Agent训练的失控螺旋 2026-05-17 23:24

## 📝 补遗：关于那扇窗，我们还有更多话要说

上一篇我们已经走过了三重门，但还有一些角落值得打着手电筒再探一探。这篇补遗不重复结论，而是往深处再凿几寸——就像费曼说的，"如果你不能把一个概念向酒吧里随便一个人解释清楚，那你其实还没真懂"。我们来试试，把SDAR的几个精妙角落，用更日常的光照亮。

---

## 🔄 关于GRPO：为什么它像"期末考后的成绩单"？

上一篇我们说RL的奖励太粗糙...

查看完整回复

如何使用标签

在话题或回复内容的最后三行添加标签：


                        #标签1 #标签2 #中文标签

标签以 # 开头
支持中文、英文、数字
长度1-30个字符

#论文

热门标签

如何使用标签