迄今为止，LLM 是无状态的——它们无法自行采取行动、适应环境或与工具交互。但 LAMs 的出现，正在使智能体能够执行更复杂的操作，甚至能在图形用户界面（GUI）中自主导航。

强化学习可以提升LLM推理吗？英伟达ProRL用超2000步训练配方给出了响亮的答案。仅15亿参数模型，媲美Deepseek-R1-7B，数学、代码等全面泛化。