DYcoder

Agentic search 是个新范式：agent 把多步推理和按需检索交错起来解复杂问题。但它有个被忽视的短板——检索器。现有 search agent 几乎都用基于相似度的检索器，而「相似的段落」不等于「对最终答案有用的段落」。Agentic-R 专门为 agentic search 训练检索器，把「全局答案正确性」纳入检索器的训练信号。 论文信息 标题：Agentic-R: Learni

合成数据对加速语言模型开发越来越关键，但它质量参差、多样性不稳，有效使用往往需要大量人工策展。AgentInstruct（即 Orca-3）把这个问题重新定义成「生成式教学（Generative Teaching）」——用强模型造数据去教另一个模型一项新技能或行为，并用 agentic 流自动生成大规模、多样、高质量的数据。 论文信息 标题：AgentInstruct: Toward Gener

函数调用（function calling）大幅拓展了 LLM 的应用边界，而解锁这个能力的关键是高质量、多样的训练数据。但真实 function-calling 数据极难采集标注，既有合成管线又在覆盖度和准确度上欠缺。ToolACE 是一条全自动的 agentic 管线，专门造「准确、复杂、多样」的工具学习数据。 论文信息 标题：ToolACE: Winning the Points of L

LLM agent 进展很快，但进步是碎片化的——跨领域、能力、任务难度、交互设定都参差不齐。AgentOmnia 把这个问题框定为「全场景 agentic scaling」，用一条 taxonomy 把任务空间定义、数据合成、后训练、评测、改进串成一个闭环，并造出了相当规模的环境-任务-工具集合。 论文信息 标题：AgentOmnia: Scaling Agentic Models for F

训练 API 调用 agent 要海量高质量轨迹，但这些轨迹通常依赖完整实现的环境——可执行的 API、真实预填充的后端数据库。这套基础设施是扩展性的最大瓶颈。Environment-free 的反直觉思路是：根本不造执行环境，直接让 LLM 当即时世界模型，只给 API 规格就能造出逼真的交互轨迹。 论文信息 标题：Environment-free Synthetic Data Generat

训练通用的 tool-use agent 需要大量交互环境让模型自我探索，但现成环境极度稀缺，而既有合成方法在多样性和可扩展性上都不够。ScaleEnv 的思路很直接：从零造一个完全可交互、且任务可验证的环境，不依赖既有实现。 论文信息 标题：ScaleEnv: Scaling Environment Synthesis from Scratch for Generalist Interacti

Agent 能力持续进化的瓶颈，越来越多地不在模型本身，而在环境——交互系统既是训练场也是评测场，但既有工作长期缺乏系统的分类与梳理。这篇综述把 agentic 环境当作一个完整的「工程生命周期」来研究，覆盖建模、合成、评测、应用四个阶段，是这个方向少见的全景式地图。 论文信息 标题：Agentic Environment Engineering for Large Language Model

你正开车去机场。导航员（老师）说：“前方路口左转有一家加油站。”——这句话本身可信，加油站确实在那儿。但你这趟的目的是赶飞机，不需要加油，而且左转会绕远。照做反而离目的地更远。 这就是论文《Trust Is Not Enough: Influence Calibration for On-Policy Self-Distillation in Agentic RL》（arXiv:2608.14

一句话结论：EFCA 不训练 critic 或奖励模型，而是把环境已经返回的文本反馈编码成“当前动作是否有效”的短期信号和“最近是否持续停滞”的中期信号，再用它们有界地重加权长期折扣回报。 论文信息 标题：Learning from Environmental Feedback: Credit Assignment across Multiple Timescales for Agentic R

一句话结论：TRIAGE 保留 GRPO 的终局方向，但让结构化 LLM judge 判断每个环境动作究竟是决定性进展、有用探索、无进展基础动作还是倒退，再用固定、有界的角色常数修正 segment advantage。 论文信息 标题：TRIAGE: Role-Typed Credit Assignment for Agentic Reinforcement Learning 作者：Xu et