Ruomeng Ding

智能体用实验反馈迭代数据工程策略，在数学与代码数据筛选、数学奖励设计和数学课程学习四类任务上，选出的策略在固定训练条件下于AIME25 Pass@32最高比通用基线绝对提升13.34%。

智能体用实验反馈迭代数据工程策略，在数学与代码数据筛选、数学奖励设计和数学课程学习四类任务上，选出的策略在固定训练条件下于AIME25 Pass@32最高比通用基线绝对提升13.34%。