论文Agent 与开发者00:53SRO：用LLM智能体自动优化后训练配方，Qwen3上远超基线SRO让LLM自动设计后训练配方空间，再用贝叶斯选试验，Qwen3上分数远超基线，代码已开源。#SRO#Qwen3#智能体#后训练aarXiv: DeepSeek@Ruohong Liu 等 5 人原文稍后读已读值得跟进有用关注 SRO