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。
segment-policy-optimization【效率与协作】Segment-level credit assignment for RL in LLMs using Monte Carlo advantage estimation, enabling precise reward attribution without critic models for improved reasoning task performance.
独立 GitHub 快照 · 自动分类 · 以原作者文档为准