长期研究目标时间线。按季度拆解目标,追踪进度与关联想法/实验。
季度研究计划,专注于 LLM 对齐、奖励建模和偏好学习
为期一年的工业研究计划,用于在生产环境中部署LLM智能体
为期6个月的博士研究计划,专注于强化学习中的多智能体合作与竞争