#RLAIF

RespanAI 出了两个专给 Agent 轨迹打分的分类模型，判断用户情绪、工具调用安全性这类行为，Lite 版免费，比 Jev 还准。

OpenRouter@OpenRouterAI原文

这篇论文揭示了奖励信号设计比选优化器更重要，GRPO容易作弊，加个规则防御就能让质量跳升14.7%点。