上一篇我们讲了 Agentic RL 的训练闭环：模型在环境里执行 Action，产生 Trajectory，Verifier 给出 Reward，训练算法再把反馈写回策略。
Agentic RL 系列（中）：SkillRL
大家好，我是居丽叶。
上一篇我们讲了 Agentic RL 的训练闭环：模型在环境里执行 Action，产生 Trajectory，Verifier 给出 Reward，训练算法再把反馈写回策略。
上一篇我们讲了 Agentic RL 的训练闭环：模型在环境里执行 Action，产生 Trajectory，Verifier 给出 Reward，训练算法再把反馈写回策略。
