智能服务力量-强化学习的新趋势2026

as15051

2025开年，以deepseek-r1的爆火为起点，RLVR成为当年的训练主流范式；
2025年底和26开年，我们观察到大量agentic基模被训练出来，由此带来了新的训练范式-RLVE。即：构筑给模型交互的环境，例如浏览器，代码项目仓库等，通过定义有明确反馈的任务，允许模型在环境中自由探索。