020 · 在测试题上继续训练，还算测试吗？Alpha-RTL 在每道 RTL 优化题上用 testbench 与 PPA 反馈在线更新 Qwen3-8B；结果显著优于冻结策略的 Agent，但也把评测对象从静态模型能力改成了带逐题训练预算的完整优化系统。