asynchronous-optimization

本文提出了单次生成异步优化（SAO），以解决异步强化学习在智能体任务中的稳定性和离策略挑战，在编码和推理基准测试上优于GRPO及其变体。SAO已部署在GLM-5.2模型的智能体强化学习流程中。