我们从Agent强化学习框架RL-Factory及多模态统一框架One-RL-to-See-Them-Al中能学到什么？
今天是2025年5月26日，星期一，北京晴。文章介绍了两个强化学习框架：RL-Factory和One-RL-to-See-Them-All，分别从Agent智能体强化学习框架和统一强化学习框架的角度阐述了工程设计与数据工程及奖励策略的相关工作，并提出了多轮工具使用、难样本选择以及量化指标的设计建议。
星期一
再看增强大模型推理能力的四种范式及蒸馏微调范式具体实现
文章介绍了增强大模型推理能力的四种范式，并探讨了使用蒸馏微调方式进行数据集和工具的选择。强调了监督微调（SFT）加上强化学习（RL）的重要性，同时提到了不同蒸馏方法及其应用。