论文10:24NetRL：用 NetGRPO 强化学习优化网络决策一篇把 LLM 用于自适应码率、拥塞控制这类网络任务的研究，NetGRPO 比 NetLLM 高 23.6% QoE，代码和模型权重都开源了。#NetRL#NetGRPO#强化学习#LLMaarXiv cs.LG@Lingfeng Peng 等 4 人原文稍后读已读值得跟进有用关注 NetRL