Sun Tao 8147e5974c docs: Extra14 改为用 Agent 合成报销任务,新增 reward hacking 和真实运行分析 1 неделя назад
..
01-Agent与RL术语对照.png 818deadd7b docs: 调整 Extra14 配图文字 2 недель назад
02-Harbor-Task目录结构.png 818deadd7b docs: 调整 Extra14 配图文字 2 недель назад
03-Trial生命周期.png 818deadd7b docs: 调整 Extra14 配图文字 2 недель назад
04-各版本探针得分.png 8147e5974c docs: Extra14 改为用 Agent 合成报销任务,新增 reward hacking 和真实运行分析 1 неделя назад
06-难度与公平四象限.png 818deadd7b docs: 调整 Extra14 配图文字 2 недель назад
07-回放还是重跑.png 818deadd7b docs: 调整 Extra14 配图文字 2 недель назад
08-四轮迭代.png 8147e5974c docs: Extra14 改为用 Agent 合成报销任务,新增 reward hacking 和真实运行分析 1 неделя назад
09-真实运行的trial页面.png 8147e5974c docs: Extra14 改为用 Agent 合成报销任务,新增 reward hacking 和真实运行分析 1 неделя назад
web-gymnasium-agent-environment-loop.png d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад
web-harbor-error-classification.png d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад
web-skyrl-system-overview.png d5906042a5 docs: 新增 Extra14 Agent RL 环境入门与合成实战 2 недель назад