Context Management в RL Post-Training: почему агенты "упираются в стену"
Разбираем, как управление контекстом в RL-обучении (sliding-window vs суммаризация) влияет на производительность поисковых агентов и экономию токенов.
3 мин
RL post-training
Одна статья по этой теме.