今天是个值得纪念的日子，我的引用次数终于超过了我的高考分数🤔
Q-SFT: Q-Learning for Language Models via Supervised Fine-Tuning
Berkeley 的工作。感觉还挺强的，作者发现 q-learning 在多轮决策里效果很好，但是没办法在 LLM 里用起来。作者改了改算法，然后把 Q-learning 和 SFT 的优势结合起来，发现在 LLM 里能跑了。
WorkflowLLM: Enhancing Workflow Orchestration Capability of Large Language Models
推荐小组的工作：之前我们做了一篇 ProAgent 的工作，让 GPT 去生成工作流来完成任务，但是没训模型。这次 focus 在，能否让 LLM 获得生成工作流的能力，进而去直接对有模式性的任务生成工作流来一劳永逸呢？测试了让模型直接去生成 apple shortcut 的场景，发现还真可以。
worlkflow 是一个很有意义的方向，目前学界的研究并不多。之前和来也科技也交流过，实际上世界上有非常多的、真实的 Workflow 正在并行地跑着。用 Workflow 解决问题，是比类 claude computer use 这样用 ReAct 解决问题更稳定、更安全的方式。
v1.5.2