阿里云 PVPO 预估计价值策略优化技术入选 ACL 顶会,降低智能体训练成本让模型练得起

阿里云自研 PVPO(Pre-Estimated Value-Based Policy Optimization,预估计价值策略优化)算法成功入选 ACL 2026 国际顶会,这项技