● ICML'26 Spotlight｜犹豫就会败北：用 T²PO 稳定多轮 Agentic RL 训练

📌 一句话摘要 本文介绍了被 ICML 2026 Spotlight 接收的 T²PO 方法，通过 token 级和 turn 级的不确定性引导探索控制，解决多轮 Agentic RL 训练中的不稳定和 collapse 问题。 📝 详细摘要 本文是作者对自己被 ICML 2026 接收的论文