RGPO：用自适应理由脚手架提升推理能力

2026年10月7日，研究者在 arXiv（Artificial Intelligence，一手来源）提出 Rationale-Guided Policy Optimization（RGPO）框架。该框架按模型当前能力自适应利用 ground-truth 理由信息，同时保留探索自由，以提升推理能力。这是目前该事件的唯一报道，尚无后续进展或相互矛盾的说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。