正在加载线程详情
正在从 X 获取原始推文,整理成清爽的阅读视图。
通常只需几秒钟,请稍候。
共 1 条推文 · 2025年12月12日 16:34
RT @HeMuyu0327:策略内蒸馏将彻底改变强化学习之外的多回合工具使用训练,但无论是 Tinker 还是 TRL,都没有实现……