AutoRL:面向自主强化学习的多智能体系统AutoRL 将强化学习训练拆为持续感知、独立提案与受控执行三类智能体,通过在线热更新或检查点回滚修复训练,在 Qwen3 与 LongCat 上稳定超过静态配方。Simon Tang, Wenjie Shi, Yongjing Yin · 50次阅读 · 2026年11月13日大语言模型强化学习2026年11月13日