让模型 “练得起”,阿里云自研 PVPO 预估计价值策略优化技术入选 ACL 国际顶会

阿里云自研的 PVPO 预估计价值策略优化技术论文成功入选 ACL 2026 Findings,PVPO 是面向智能体推理的无评论家强化学习框架,核心目