_akhaliq· @_akhaliq · X·· 6 小时前AI 评分
MiRL 错误导向强化学习论文
MiRL 用于纠正终端智能体不当行为的错误导向强化学习 论文：huggingface.co/papers/2610.3…
MiRL
Error-Targeted Reinforcement Learning for Correcting Terminal Agent Misbehaviors
paper: huggingface.co/papers/2610.3…
来源：_akhaliq · x.com