PRIME-RL

Solução de RL escalável para raciocínio avançado de modelos de linguagem

[ICLR 2026] SimpleVLA-RL: Escalando o treinamento de VLA via aprendizado por reforço

[NeurIPS 2025] TTRL: Aprendizado por Reforço em Tempo de Teste (Test-Time Reinforcement Learning).