discriminative-grpo

本文提出SalesLoop，一种强化学习框架，它通过使用性能感知奖励和判别性GRPO目标，在销售线索排序中建立了模型预测与实际业务结果之间的反馈闭环。该框架在离线实验中取得了显著改进，为期160天的生产A/B测试验证了+4.7%至+8.7%的累积提升。