TREK针对GRPO在困难提示上因学生策略缺乏正确解法轨迹而停滞的问题，先筛选低通过率提示，再利用教师或自上下文生成经验证候选，并以前向KL扩展策略支持，随后恢复GRPO优化。Qwen3-8B在AIME 2025上由36.9提升至40.3，ALFWorld由75.8提升至82.8。
最近 24 小时暂无可用热度快照。