anti-cheating

本文详细介绍了 GLM-5.2 在 Agentic RL 中的最新进展，包括引入 slime 基础设施、从 GRPO 转向 PPO 处理长轨迹、以及在线反作弊机制；同时探讨了 Qwen 在验证器质量方面的研究，提出可扩展性、忠实性和鲁棒性三个维度，并针对不同任务设计了多种验证策略以提升奖励信号的可靠性。