Tags: #paper reading

Wu 等 (2026) 提出 27B 后训练模型 Env-Rethink，三件套协同：Collection Map 补上下文、轨迹学习标噪声、Virtual Event 演化环境。SOTA 在脏环境从 83.9% 跌到 57.6%，Env-Rethink 平均 +15.1% rubric pass rate。