论文09:14SAO: 单轨迹异步优化稳定训练智能体强化学习想高效训练智能体模型？SAO用单轨迹采样打补丁，稳定训练1000步，在编码和推理基准上全面超越GRPO，干货论文。#SAO#GRPO#GLM-5.2#强化学习aarXiv cs.AI@Zhenyu Hou 等 4 人原文稍后读已读值得跟进有用关注 SAO