APPLICATION 用强化学习训练AI代理 即使是非常强大的LLM也可能很难可靠地完成复杂的多轮代理任务。有趣的是，我们发现使用一种叫做GRPO（群体相对策略优化）的强化学习算法来训练代理可以使它们更加可靠！
