現在、大規模モデル企業にとって、RLは避けて通れない方向性であり、エンジニアリング問題とトレーニングの安定性の問題を解決することが最も重要な要素です！

1.エンジニアリングの問題
さまざまなエージェントツールを接続する方法は、利用可能である必要があり、エコシステムが成り立ち、フライホイールが回転し始めるためです。
2.トレーニングの安定性
崩れないことは基本です、崩れる前に上がらないでください。

ここでいくつかの会社を称賛します！本当に仕事をしているんですね！