• 论文信息与摘要
• 1 引言
• 2 预训练
• 3 后训练
• 4 评估
• 5 局限性
• 6 结论
• 7 致谢
• References
• Appendix
• Appendix A 贡献
• Appendix B 工具调用的 Token 模板
• Appendix C 评估细节
• Appendix D QK-Clip 不会损害模型质量
• Appendix E 为什么 Muon 更容易出现 Logit 爆炸
• Appendix F 面向通用 RL 的 K2 Critic 评分标准
• Appendix G 用于 RL 训练的引擎切换流水线