🆕 训练代理推理者 今天的亮点是 @willccbb 重返 AIE 舞台 RL 赛道 - 现在作为 @PrimeIntellect 的一部分！ 许多代理构建者基本上是在做 "手动强化学习"。他在一张幻灯片上简明扼要地解释了当前的强化学习算法（！），但随后指出，强化学习 - 尤其是对于开放模型 - 陷入了数学和代码问答的泥潭。 新的热门是多轮代理强化学习，而新的验证器库是构建代理并将其转变为强化学习循环的终极工具包。 更多人应该探索构建更好的代理模型，而 Will + PI 正在为每个人提供这种可能！