GAIR Paper 105｜离线强化学习新突破——ROMI：破解对抗式模型学习「过保守、训不稳」深层困局｜ICLR 2026

<section data-mpa-template="t" mpa-data-temp-power-by="yiban.io" mpa-data-temp-type="image" mpa-from-tpl="t" data-mpa-actio