共计 81 篇文章
2026
From Word to World：LLM 能否成为 Agent 的文本世界模型？
SPPO：把长程推理折叠成序列级上下文赌博机，单样本也能稳定做 PPO
主流基座模型技术报告横评：从 DeepSeek-V3 到 Kimi K3，两年里基模卷了什么
VC-PPO 详解：PPO 在长 CoT 上为什么崩？价值优化才是命门
论文精读｜Neural Computers：把计算、内存与 I/O 压进一个学出来的 runtime
Agentic-R：为 agentic search 训练检索器，用全局答案正确性反传
AgentInstruct (Orca-3)：用 agentic 流做生成式教学，25M 对合成数据
ToolACE：工具调用数据的自演化合成与双层验证
AgentOmnia：双向环境-任务合成 + PRD 自演化，全场景 agentic scaling
Environment-free：让 LLM 当世界模型，零执行环境造 API 调用轨迹