#кодовые LLM09.10.2025
RA3: Темпоральные абстракции действий для ускорения RL-посттренинга в кодовых LLM
'RA3 формализует mid-training как отсечение пространства действий и сокращение горизонта планирования, используя темпоральные абстракции для ускорения RL-посттренинга и улучшения генерации кода.'