中科大与阿里提出 PARPO 个性化智能体强化学习框架，8B 模型盲测第一

中国科学技术大学与阿里巴巴团队提出 PARPO 个性化智能体强化学习框架，将用户偏好引入 Agentic RL 训练目标，由 PSGM 技能记忆、两阶段偏好解耦奖励模型和 PARPO 优化器三部分组成。