然而，现有方法多依赖于监督微调（SFT），模型一来只能模仿预先构造的 parallel thinking 数据，难以泛化到真实的复杂任务中，其次这种方式对数据要求很高，往往需要复杂的 data pipeline 来构造。

模型 lab rl ailab rl框架 2025-09-17 17:35  4

在日常生活中，谈判无处不在：网购时“卖家再降 50”就下单，租房时跟房东争取“押一付一”，在职场上和客户敲定合作细节…… 这时候，“情感技巧”往往是关键，比如假装犹豫说“预算真的不够了”，或是适度表达期待，总能让谈判朝着对自身更有利的方向发展。

剑桥 agent rl evoemo rl框架 2025-09-09 15:31  5

在日常生活中，谈判无处不在：网购时“卖家再降 50”就下单，租房时跟房东争取“押一付一”，在职场上和客户敲定合作细节…… 这时候，“情感技巧”往往是关键，比如假装犹豫说“预算真的不够了”，或是适度表达期待，总能让谈判朝着对自身更有利的方向发展。

剑桥 agent rl evoemo rl框架 2025-09-09 14:21  6

在日常生活中，谈判无处不在：网购时“卖家再降 50”就下单，租房时跟房东争取“押一付一”，在职场上和客户敲定合作细节…… 这时候，“情感技巧”往往是关键，比如假装犹豫说“预算真的不够了”，或是适度表达期待，总能让谈判朝着对自身更有利的方向发展。

剑桥 agent rl evoemo rl框架 2025-09-09 12:25  4