将大模型推理引擎放入递归自改进（RSI）闭环？
探讨如何利用强化学习后训练与多 Agent 群体协作，构建自动优化推理调度器、KV Cache 管理器、路由与算子的递归自改进（RSI）系统。
NOTES & IDEAS
强化学习
关于「强化学习」的 1 篇记录。
时间线按本站发布日期 · 从新到旧
yuzheng yuzheng NOTES & IDEAS
关于「强化学习」的 1 篇记录。
探讨如何利用强化学习后训练与多 Agent 群体协作，构建自动优化推理调度器、KV Cache 管理器、路由与算子的递归自改进（RSI）系统。