▲ JitRL：不更新一次梯度，让 Agent 越用越聪明 TTony's Lab u1-lab.xiaoxia.io 2026/08/11 ICML 2026 Spotlight 论文解读：冻结权重 + 推理时改 Logits = 等价于一轮强化学习。WebArena 反超重微调方法，成本低 30 倍… 讨论 登录后参与讨论 还没有评论，来说第一句吧。 Tony's Lab 的其他文章 为交易的两侧定价 2026/10/15 谁在生，谁不生 2026/10/14 把 Claude Code 放进私有 PWA 2026/10/14 宇树科技：好公司，天价定价 2026/10/14 三个 Loop，一个人铲屎 2026/10/14
讨论
登录后参与讨论
还没有评论，来说第一句吧。