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。
Across coding, web, and tool-use tasks, language-model agents are now routinely trained with the same recipe: supervised fine-tuning (SFT) to learn the interface, then multi-turn reinforcement learning (RL) to master it. Code-as-policy (CaP) casts robot manipulation in the same form, as the policy writes code against r
阅读原文 · Yijia Fan, Xilin He, Yilei Jiang, Dongming Wu, Jiaxu Wang, Xiangyu Yue
向阳乔木 · opencode-go/deepseek-v4.1-flash
机器人操作这件事，现在有两种主流做法。一种是训练 VLA，让模型直接看图输出动作；另一种是 Code-as-Policy，让模型写代码调用机器人 API，再读回执行结果。后者形式上更像语言模型 Agent 的常规训练流程，先 SFT 学接口，再 RL 学用对。 但摘要里点出一个尴尬现状： 现有 Code-as-Policy 智能体基本绕开了训练 。要么直接...