论文精读｜GLM-4.5 后训练阶段详解：专家模型迭代与混合推理
原论文：GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models 作者：GLM-4.5 Team（智谱AI团队，共170位作者） 发布时间：2025 年 8 月
DYcoder
Neural Thickets：预训练权重周围密集的任务专家
论文: Neural Thickets: Diverse Task Experts Are Dense Around Pretrained Weights 作者: Yulu Gan, Phillip Isola (MIT) arXiv: 2603.12228 代码: https://github.com/sunrainyg/RandOpt 传统的后训练（Post-Training）方法——无论
On-Policy Distillation：让学生在自己的轨迹上向老师学习
On-Policy Distillation（OPD）正在成为 LLM 后训练的核心范式之一。Qwen3、MiMo、GLM-5 等主流模型都已将其纳入后训练流水线，而 2026 年 4 月密集发布的综述和分析论文，则标志着这个领域从”散点式探索”走向系统化成熟。 本文基于以下几篇代表性工作，系统梳理 OPD 的核心思路、方法分类、机制分析和实践建议： - A Survey of On-Policy
12-Factor Agents：构建可靠 LLM Agent 的十二条原则
12-Factor Agents 是 HumanLayer 的 Dex Horthy 发起的一个开源项目，灵感来自经典的 12-Factor App 方法论，专注于为构建生产级 LLM Agent 提供可落地的工程原则。 这套框架的核心观点很朴素：大多数成功的 AI 产品并不是”纯 Agentic”的。它们是确定性代码与策略性 LLM 决策点的结合体，而不是把一切都交给 Agent 框架自动运转。
论文速读｜MetaClaw：让 AI 智能体在生产环境中持续进化
原论文：MetaClaw: Just Talk – An Agent That Meta-Learns and Evolves in the Wild 作者：Peng Xia, Jianwen Chen, Xinyu Yang 等
论文速读｜Youtu-Agent：自动化构建 + 混合策略优化的 LLM 智能体框架
原论文：Youtu-Agent: Scaling Agent Productivity with Automated Generation and Hybrid Policy Optimization 作者：Yuchen Shi, Yuzheng Cai, Siqi Cai, Zihan Xu 等（腾讯优图实验室、复旦大学、厦门大学） 发表时间：2025 年 12 月