BIRD-RL: Scaling Agentic Reinforcement Learning over Stateful Data-Centric EnvironmentsBIRD-RL 四阶段 agentic RL 将空间效率提升 12.8x，7B/14B 成功率 44.40%/48.00%
BIRD-RL 四阶段 agentic RL 将空间效率提升 12.8x，7B/14B 成功率 44.40%/48.00%
为 SQL 等有状态数据任务提供可复用的轨迹隔离训练基础设施，缓解轨迹污染并降低容器开销，对数据闭环中的小模型 RL 有直接参考价值。
