#组合推理

这篇论文提出了一种新方法，能处理模拟器与数据不匹配的情况，在生物信号模型中表现优异。

这篇论文用可控实验证明了RL后训练能从头组合出高级推理策略，不是只增强已有技能，对理解强化学习训练机制很有启发。