просто красивое

SPICE: Self-Play In Corpus Environments Improves Reasoning https://arxiv.org/abs/2510.24684 https://www.alphaxiv.org/ru/overview/2510.24684v1

Critique-RL: Training Language Models for Critiquing through Two-Stage Reinforcement Learning https://arxiv.org/abs/2510.24320…

https://cursor.com/blog/composer

https://whatisintelligence.antikythera.org/

и кстати кто агентами/рлем на производствах занимается? интересно послушать какие кейсы решаете