agentic-rl — 中文 Agentic RL 教程，附可复现判别模型实证工程。

README 自动摘要

根据 README 自动整理于 2026年10月26日，不是本站运行记录。运行步骤和作者声称的效果仍需核验。

这是什么

33 章中文 Agentic RL 教程，从概念到 GRPO 实战，并附一套可复现的三方判别模型对照实验：关键词规则基线、中文 MacBERT encoder 与 Qwen LoRA。

第 25 章讨论 Jev / TypeSafe System One 与 RL 的能力边界。README 未说明代码中如何使用 Jev；实证工程将决策实现为 bool 字段（如 needs_escalation），而非调用 Jev。

用到的原语:choicescorenoul

当任务是分类时，把判别决策外置给小型类型化模型，而不是用 RL 训练 LLM。

cd minimal-decision-bench && make sync && make main

README 片段的模型判断

项目信号使用仓库元信息、已有摘要与 README 前 700 个字符；没有通读完整项目。“未检出”仅表示这些材料中未检出，并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期，不是源码审计或运行验收。

这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及，≤ 0.40 表示未检出，中间为未判定；都不是源码审查或运行结果。「可运行工具」题排除了研究实验，「推荐」题筛的是学习案例 Top 10，不是内容质量合格与否。

信号

无判定区（0.40–0.60）

设计模式

无判定区（0.40–0.60）

各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年10月26日读 README 写成。