一、技术背景：LLM+RL融合的三大核心挑战 当前主流的LLM+RL（语言模型与强化学习结合）方案面临三大瓶颈：状态表示冗余、奖励信号稀疏、训练效率低下。传统方法直接将文本嵌入作为状态输入，导致状态空间爆炸式增……
