论文精读｜AlpaMayo-R1：强化学习驱动的自动驾驶策略优化AlpaMayo-R1 将 GRPO 强化学习方法引入自动驾驶策略训练，通过奖励驱动的方式优化驾驶决策的安全性与效率，配合 AlpaSim 仿真与 AlpaAuditor 审计形成完整闭环。