计划执行与检查节点
executing-plans
按既定实施计划完成工作,保持过程检查和反馈。
rl-plus-capability-boundary【效率与协作】Hybrid-policy optimization combining multiple importance sampling and exploration-based advantage functions. Prevents capability boundary collapse while maintaining verification rewards, enabling LLMs to exceed baseline boundaries.
独立 GitHub 快照 · 自动分类 · 以原作者文档为准