03
2026/06
简单裁剪奖励为何会损失监督信号？重新审视 OPD 中的 token 筛选
让每一项优秀工作，被更多人看见：点击进入投稿通道
论文追踪 APP 推荐：DailyPapers
论文标题：Trust Region On-Polic
...