摘要
针对大语言模型强化学习依赖人工重构训练环境的局限，本文提出
AI 推荐理由
论文核心在于利用 LLM 自我诊断失败并自动优化训练环境，实现策略的自我进化与改进。
研究机构
LARK, HKUST (GZ)
University of Cambridge
论文信息