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。
It is common to train Large Language Models (LLMs) for agentic tasks with Reinforcement Learning (RL) from scalar rewards. However, this throws away the fine-grained information about the environment that the agent experienced during the trial (e.g., error logs). To utilize this rich information, recent works wrap the
阅读原文 · Doyoung Kim, Byeongguk Jeon, Kailin Zhang, Sherry Yang
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文想碰一个很实际的问题：智能体跑任务时踩的坑、报的错、留下的日志，现在大多被浪费了。 主流做法是用标量奖励做 RL，只告诉模型“这次做得好不好”，但环境里那些细粒度信息，比如错误日志、失败原因，全丢掉了。另一条路是给智能体套一层 harness，让它反思、压缩、把经验写成 playbook 传给下一次 rollout。问题是，这个“写经验”的动作本身没...