NGU：把强化学习算力留给难题，为什么还要锚定正样本？
从大 K 的双重效应出发，解释 Never Give Up 的异步动态采样、过旧样本过滤与正样本锚定，并用具体数值推导优势零和的作用和边界。
DYcoder
DynaWeb：先学会预测网页变化，再让 Agent 在想象中做强化学习
分开解释世界模型的 SFT 和网页 Agent 的 GSPO，展示状态变化标签、想象轨迹、真实专家数据以及一次可手算的梯度更新。
技术报告解读｜GPT-6 Astra：长程 Agent、对齐泛化与可监测性的矛盾
结合 GPT-6 Astra System Card、官方评测与 API 文档，解释长程任务执行、异步工具调用、对齐泛化，以及能力提升后仍然存在的监测与复现问题。
从 VLA 到 WAM：具身基础模型的代表方法，以及与 LLM、推理和强化学习的交叉
大语言模型学会了用语言描述任务，视觉语言模型学会了把描述与图像对应起来。机器人还需要跨过另外两道门槛：把目标变成可执行的运动，以及预测运动会造成什么后果。 VLA（Vision-Language-Action，视觉语言动作模型）与 WAM（World Action Model，世界动作模型）分别从动作生成和世界—动作联合建模切入这两个问题。 本文面向有 LLM、Agent 或强化学习背景的读者，梳