RSI-Dojo 论文让 LLM 智能体自动执行模型后训练

港中文、字节跳动、清华和上交合作的 RSI-Dojo 论文提出让 LLM 智能体自行执行模型后训练，RSI-Dojo-35B-A3B 在 PostTrainBench 提升 16.87 分至 29.95。