flow-1：用 RL 训练定位 agent 错误

flow-1 通过 RL 训练来发现 agent trace 中的失败，在性能上具备竞争力，同时能大幅节省成本。该成果被视为 RL 解锁专用智能进展的例证，可显著削减关键智能体操作的成本。