团队提出Flow-GRPO（Flow-based Group Relative Policy Optimization）算法，专门针对多轮推理场景设计 ... 比如组合使用维基百科搜索（Wikipedia Search） 和特定网页增强搜索（Web ...

于是，昆仑万维的AI社交产品Linky出现了。它不只是一个聊天机器人，它是一个基于自研NLP模型，强调“长文本、强剧情、长记忆”的AI陪伴应用。它持续优化的，是“人设一致性”和“剧情互动”，这是构建沉浸感和情感粘性的核心。

在智能体强化学习的快速发展中，如何在探索与稳定之间取得平衡已成为多轮智能体训练的关键。主流的熵驱动式智能体强化学习（Agentic RL）虽鼓励模型在高不确定性处分支探索，但过度依赖熵信号常导致训练不稳、甚至策略熵坍塌问题。

编辑 | Eino 项目组当大语言模型突破了 “理解与生成” 的瓶颈，Agent 迅速成为 AI 落地的主流形态。从智能客服到自动化办公，几乎所有场景都需要 Agent 来承接 LLM ...