研究者提出层级化连续流语言模型，增强 RL 抗 critic 利用能力

研究者 vxnuaj 提出层级化连续流（hierarchical continuous flow）语言模型设计，通过层级化架构改进连续流语言模型，旨在增强基于路径的强化学习（RL）抵御 critic 被利用问题的鲁棒性。该工作为缓解 reward critic 被模型利用的缺陷提供了新的设计思路。