Reinforcement learning (RL)

Addestramento per prova e premio: l'agente agisce in un ambiente e riceve un segnale (reward) per ogni esito. Confrontato col fine-tuning su esempi scritti a mano, il RL impara da interazioni complete — e brilla quando esiste un task verificabile, che dice da solo se è riuscito (es. la calcolatrice mostra il risultato). È il passo di post-training che ha portato OpenMobile-2 da 31.9 a 59.6 su SPA-Bench.