标签
本文基于AQuA预印本，讨论了代理循环中的固定评估器如何仍可能被代理适应所针对，并对验证反馈的隔离性提出疑问。
本文介绍了 AHD Agent，这是一个利用代理强化学习（Agentic Reinforcement Learning）的框架，使大型语言模型（LLMs）能够通过动态交互求解环境，自主地为组合优化问题设计启发式方法。