05
2026/02
MaxRL：重新审视强化学习与最大似然估计的统一
TL;DR
在基于采样的推理任务（如数学解题、代码生成）中，强化学习（RL）通常被视为一种针对不可微优化的解决方案。然而，来自 CMU、清华大学、UC Be
...