Apple 发布 RLTL;DR：以内化自生成反馈实现自我改进

Apple 研究团队提出 RLTL;DR 方法，让智能体把自生成的反馈内化为可验证奖励，用于解决极难任务下的自我改进问题。该工作以研究论文形式发布。