概念
AEWM-RFT
基于AEWM修正轨迹进行强化学习微调的方法，使代理在无需运行时调用AEWM的情况下，将修正后的推理能力内化到模型参数中。
时间轴 (近 90 天)
10月15日
AEWM-RFT 显示，修正过的轨迹可以写入代理自身能力，之后不再调用 AEWM，代理仍然比只用自己的成功轨迹训练的版本高出 2.2、2.6 和 2.5 个百分点。
待验证50%
基于AEWM修正轨迹进行强化学习微调的方法，使代理在无需运行时调用AEWM的情况下，将修正后的推理能力内化到模型参数中。
AEWM-RFT 显示，修正过的轨迹可以写入代理自身能力，之后不再调用 AEWM，代理仍然比只用自己的成功轨迹训练的版本高出 2.2、2.6 和 2.5 个百分点。