Veto 论文精读：让学生参与构造蒸馏目标，为什么有效、又有什么代价？
解读 Stable On-Policy Distillation through Adaptive Target Reformulation：用三词概率推演、可交互分布图与官方代码，理解 Veto 的目标重构、停止梯度、β 调度，以及稳定性与 RL 等价分析的边界。
DYcoder
推理为何集中在低维流形？理解 LLM 的几何诊断与证据边界
精读 Reasoning emerges from constrained inference manifolds：从隐藏状态、内在维度与 log-det 信息体积，到完整数值推演和交互演示；核对图表相关性、顺序打乱对照及尺度敏感性。
Dream-RSI：把搜索历史变成可回放的世界，让 Agent 改进探索策略
精读 Dream-RSI：历史搜索树如何变成低成本模拟器，调度代码如何递归改进；用逐轮回放与数值算例解释原理，核对主文和附录的差异，以及 162 倍调用节省的真实含义。
Jev 是什么：理解 TypeSafe 的 System One 决策模型
从 Choice、Score、Noul 到概率校准，解释 Jev 的工作方式、Agent 集成价值，以及零幻觉和百倍提速宣传的边界。
ParamMerge 研究路线：从参数平均、Task Arithmetic 到多专家能力合并
从 Open-MOPD 的两个参数合并基线出发，推导 Avg 与 Task Arithmetic 的关系，梳理 TIES、DARE、Fisher、RegMean 和 AdaMerging，并讨论参数冲突、能力保留及与多教师蒸馏的结合。
VG-OPD：谁有资格教哪个 token？验证器门控的多专家蒸馏
精读 Who Teaches Which Token：从准则级教师资格、token 级稀疏监督，到双流 GRPO 目标、完整数值推演及实验边界，理解多教师蒸馏何时真正帮助学生。