Agentic RL 的本质：从"给模型接工具"到"给模型放进环境"
从信息闭环、状态性、不可逆动作和决策质量度量重新定义 agentic RL，区分它与 RLM、single-turn tool use 和 verifiable multi-turn tool use 的本质边界。
Reinforcement Learning
RL 训练中该看哪些指标：从 entropy 到 faithfulness 的尺度梳理
按 token、rollout、group、batch 和训练过程等尺度梳理 RL post-training 中应观察的诊断指标，以及每个指标能说明和不能说明什么。