作者 | Lancer 编辑 | 大模型之心Tech 原文链接： https://zhuanlan.zhihu.com/p/1951435056154386911 点击下方 卡片 ，关注" 大模型之心Tech "公众号 戳我-> 领取大模型巨卷干货 在大模型的发展进程中，强化学习（RL）已从一项辅助技术，跃升为驱动模型能力跃迁的核心动力。当前，RL发展正经历一场关键范 式转移：从单轮、静态任务（如独立的数学题求解等），全面转向多轮、交互式智能体训练。这一新范式的目标，是让大模型真正成为 能在复杂、动态环境中，通过多步观察、思考、行动与反馈来完成任务的Agent。这不仅是技术上的巨大挑战，更是通往AGI的关键一 步。 总而言之，强化学习正在重塑大模型的能力边界。它不仅是弥补数据瓶颈的利器，更是构建下一代通用智能体的核心方法论。而支撑这 一切的，正是背后日益成熟和强大的RL基础设施生态。 本 文 结 合 A Survey of Reinforcement Learning for Large Reasoning Models 和 Anyscale blog 对 现 有 主 流 RL 库 进 行 简 单 整 理。 ...