研究者 vxnuaj 提出层级化连续流语言模型，增强路径级 RL 对 critic 利用的鲁棒性

研究者 vxnuaj 提出层级化连续流（hierarchical continuous flow）语言模型设计，目标是让基于路径（pathwise）的强化学习更能抵御 critic 被利用的问题。该工作通过层级化架构改进连续流语言模型，为缓解强化学习中 reward critic 被模型利用的缺陷提供了新思路。