摘要
针对不可验证指令跟随的强化学习，现有方法虽能自适应评分标准，但训练提示语静态固定，导致难度与策略能力错位。本文提出
AI 推荐理由
论文提出自适应课程学习框架，使策略随能力自我进化，核心在于持续改进机制。
研究机构
KAIST
University of Toronto
Carnegie Mellon University
NVIDIA
论文信息