agent-validation-v430 - 带安全控制的有效代理训练机器学习代理训练强化学习安全控制★ 2 · 更新于 2026-05-09通过禁用有害操作和分层安全门训练代理有效行动⚙ 禁用熵调整⚙ 保存最佳检查点⚙ 咨询代理
practitioner-guide-multi-turn-agentic-rl - 多轮智能体强化学习实践指南强化学习智能体训练多轮任务策略优化★ 6 · 更新于 2026-03-25通过优化环境复杂度、奖励信号和策略初始化，使用多轮强化学习训练LLM智能体。⚙ 配置环境复杂度⚙ 设计训练课程⚙ 实现密集奖励
