没有什么比在2025年结束之前为LLM的强化学习（RL）写论文提案更令人兴奋的了！！ 涵盖我在过去1.5年中作为第一作者完成的一部分工作（在从传统RL转向LLM RL之后…） 当然，这只是一个暂定标题