已收录文章摘要，完整内容可前往原文阅读。
PARPO 团队 投稿 量子位 | 公众号 QbitAI当个性化Agentic RL遇上现实用户平台场景时，一直存在一个常见难点：面对同样的query，不同用户往往偏好不同的规划策略、工具调用和最终表