杜冬冬博士详解RhymeRL，强化学习系统优化如何从历史中学习 上海交通大学副教授杜冬冬在QCon上海大会分享了其团队开发的RhymeRL系统，该系统通过利用历史生成数据优化强化学习中的Rollout阶段，相比现有方案性能提... 2026年09月17日 人工智能 #强化学习 #Coding Agent
