Ting

用于评估的题目数据集

• GSM8K

Model Merging是什么

操作

相加

相减

类比

Merging 问题

merging不一定成功

Model Editing是什么

给模型植入一条新的信息。

Raw trajectory memory

<state, action, reward> 轨迹

参考论文：Li Y, Lin Z, Deng A, et al. Just-In-Time Reinforcement Learning: Continual Learning in LLM Agents Without Gradient Updates[J]. arXiv preprint arXiv:2601.18510, 2026.

policy是什么

给定当前上下文，模型下一步“会选择什么输出/动作”的概率分布。

检索

检索：模型在回答前，先去外部资料或记忆库里找相关信息，再把找到的内容交给 LLM 生成答案。