共计 81 篇文章
2026
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？
推理为何集中在低维流形？理解 LLM 的几何诊断与证据边界
Dream-RSI：把搜索历史变成可回放的世界，让 Agent 改进探索策略
Jev 是什么：理解 TypeSafe 的 System One 决策模型
ParamMerge 研究路线：从参数平均、Task Arithmetic 到多专家能力合并
VG-OPD：谁有资格教哪个 token？验证器门控的多专家蒸馏
Environment Evolution：让终端环境持续变难，怎样避免把任务改坏？
SETA 论文笔记：把终端环境当作需要验证的奖励程序
什么是 Looped Transformer：用共享层增加计算深度，从原理到推理 Infra
从大模型 Infra 到 Agentic RL Infra：系统地图、关键原理与实操学习路线