AI在线强化学习“边做边学”，斯坦福团队让7B小模型性能飙升，甚至超越GPT-4o 斯坦福大学团队提出了一种名为AgentFlow的新框架，通过在线强化学习显著提升了智能体系统的推理能力。该框架由规划器、执行器、验证器和生成器四个专业智能体组成，利用共享内存协作，并通过创新的Flow-GRPO算法实...