推荐非GRPO的RL算法 Zhongwen Xu感谢 @_akhaliq 转发我们的工作！如果你不喜欢 GRPO 并想要一个好的 RL 算法，请查看它！ AK单流策略优化 https://t.co/gY7To7tkP3 动态Zhongwen Xu2025-09-24原文 打开互动版
