AutoRL:用智能体监督强化学习训练,Qwen3 AIME 成绩提升 20 个百分点
把 RL 训练调参交给智能体团队:Perceptor 看曲线、Proposer 出方案、Orchestrator 执行热更新。Qwen3 数学基准涨 20 个百分点,连故意写坏的配方都能自动修。做训练管线或想省调参人力的人值得细看。
把 RL 训练调参交给智能体团队:Perceptor 看曲线、Proposer 出方案、Orchestrator 执行热更新。Qwen3 数学基准涨 20 个百分点,连故意写坏的配方都能自动修。做训练管线或想省调参人力的人值得细看。