PapersBuilders00:53Chinese contentSRO:用LLM智能体自动优化后训练配方,Qwen3上远超基线SRO让LLM自动设计后训练配方空间,再用贝叶斯选试验,Qwen3上分数远超基线,代码已开源。#SRO#Qwen3#智能体#后训练aarXiv: DeepSeek@Ruohong Liu et al. (5)Source稍后读已读值得跟进有用关注 SRO