这篇DS的新作提出了一个 pointwise Generalist RMs的训练框架，仔细读下来有很多的细节可以回味，且该文有很大概率是DS主线上迭代的一篇工作 （从DS-R1 -> R2）, 因为R1其实挖了个坑并没有把通用类的RL给做充分，后续 ...