牛哥精选 · 半年

📋 全部 🤖 AI·大模型 ⚡ 效率工具 📝 深度技术 🚀 产品观察 💰 商业科技 🔓 开源项目 🎨 设计创意 📖 阅读推荐 🏷 资源合集 🌱 成长效率

📝 深度技术 arXiv AI 2026-07-24

PATS: Policy-Aware Training Scaffolding for Agentic Reinforcement Learning

提出政策感知训练支架，革新智能体强化学习范式

arXiv:2607.21419v1 Announce Type: new Abstract: In long-horizon LLM agent reinforcement learning, weak policies often repeat similar failures, produci…

强化学习策略感知训练脚手架智能体机器学习

📝 深度技术 arXiv AI 2026-07-07

LLM-as-a-Tutor: Policy-Aware Prompt Adaptation for Non-Verifiable RL

把大模型当作导师，用策略感知的提示自适应破解非可验证强化学习难题，值得关注。

arXiv:2607.04412v1 Announce Type: new Abstract: Reinforcement learning (RL) for non-verifiable instruction following increasingly relies on LLM judges…

llm 强化学习提示适应策略感知非可验证rl

📅 日期

2026-05-20 2026-05-19

🐂 牛哥精选

PATS: Policy-Aware Training Scaffolding for Agentic Reinforcement Learning

LLM-as-a-Tutor: Policy-Aware Prompt Adaptation for Non-Verifiable RL

📅 日期