共计 81 篇文章
2026
从早期深度学习寻找新思路：12 篇论文看 LLM 稀疏奖励与 Long Horizon
OPDVR：用答案正确性过滤蒸馏信号，如何把 OPD 与可验证奖励结合？
Synaptic Intelligence：沿训练轨迹衡量参数重要性，让神经网络少忘旧任务
从 CPT 到 Agentic CPT：大语言模型持续预训练研究综述
AgentFounder：用继续预训练扩展 Agent 能力，FAS 与 HAS 如何把经验变成训练数据
PlanPhys：长程规划从哪里来？预训练、OPD 与多教师蒸馏的能力边界
Long-Horizon Agent 训练论文地图：20 篇工作、七条路线与一个完整训练例子
长程 Agent 为什么越训越差？Horizon Length 实证研究与两种缩短训练跨度的方法
SMOPD 深度解读：多奖励强化学习的“先专门化，再蒸馏合并”
从“会回答”到“会预演”：2026 年大语言模型世界模型的主流范式与前沿进展