以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
While multi-turn agentic reinforcement learning (RL) excels on long-horizon tasks, its performance gains remain highly sensitive to interaction constraints. Evaluating across sampling breadth K and interaction depth T via Pass@(K,T), we show that trajectory-level RL advantages depend on sufficient turn budgets, diminis
阅读原文 · Kejian Zhu, Zhuoran Jin, Shangqing Tu, Tianyi Men, Yupu Hao, Jiachun Li, Kang Liu, Jun Zhao
向阳乔木 · opencode-go/deepseek-v4.1-flash
多轮智能体强化学习（agentic RL）这几年被反复引用，几乎成了长程任务的标准解法。但这篇论文问了一个不太讨喜的问题： 那些涨点，到底有多少来自模型真的变强，有多少只是因为它被允许多交互几轮？ 作者用 Pass@(K,T) 这个指标，把采样宽度 K 和交互深度 T 拆开来看。结论是，轨迹级 RL 的优势依赖足够宽的 turn 预算，预算一收紧，收益就明显...