update.

e0cbf47a · wangchenglong · 38a62fe9 · e0cbf47a · e0cbf47a
Commit e0cbf47a authored Jul 05, 2026 by wangchenglong
--- a/rl-introduction.pdf
+++ b/rl-introduction.pdf
--- a/section6/section6.tex
+++ b/section6/section6.tex
@@ -46,7 +46,7 @@ $\cdots \cdots$
 \end{tcolorbox}


-先讲述直接与环境交互，然后进行
+% 先讲述使用SFT来去提升、然后再讲述与环境进行交互，之后再讲述搜索（这一部分可以重点讲述一下如何构建reward function）


 \subsubsection{Tool Use}