论文Agent 与开发者73°09:47OSOL缓解多领域强化学习中的高阶干扰清华团队提出OSOL方法，通过分析token足迹解决多领域RL性能退化问题，在Qwen3-30B-A3B上提升5.7%性能。#OSOL#Qwen3-30B-A3B#强化学习#多领域aarXiv cs.LG@Zihan Lin 等 7 人原文稍后读已读值得跟进有用关注 OSOL