RLPT：用强化学习“重读”预训练数据，让大模型学会思考
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当大模型训练遭遇高质量数据瓶颈，腾讯团队提出RLPT——一种无需人类标注、仅用预训练数据即可训练推理能力的强化学习新范式
阅读全文OnePiece：工业排序系统的新范式——上下文工程与隐式推理如何突破性能瓶颈
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当工业排序系统陷入性能瓶颈，OnePiece给出了破局答案：结构化上下文工程 + 块状隐式推理。这不是简单的架构升级，而
阅读全文LIMI：仅78个样本如何重塑智能体训练范式？
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当行业追逐更大模型、更多数据时，LIMI逆流而上，证明高质量示范的战略性精炼才是通往真正智能体的关键。这不仅是效率的胜利
阅读全文Tree-GRPO：树式搜索让小模型也能玩转多轮智能体
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 阿里巴巴AMAP与厦门大学联合提出Tree-GRPO，通过树式搜索将LLM智能体RL的预算效率与信号质量双双提升，为小模
阅读全文8B模型为何能打败GPT-4o？UserRL揭秘“用户中心”Agent的三大训练法则
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ Salesforce AI Research提出UserRL框架，挑战“大模型即强交互”的固有认知。通过系统化实验，揭示
阅读全文效率与性能的平衡：DeepSeek-V3.2-Exp 用稀疏注意力将长上下文成本砍掉85%
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ DeepSeek AI推出V3.2-Exp，以稀疏注意力技术重构长上下文处理范式，在性能持平下实现推理成本骤降，为大模型
阅读全文从崩溃到可靠：深度研究智能体RL训练的“标准配方”揭秘
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 从“能做”到“可靠做”，深度研究智能体的进化正依赖于RL训练的三大突破——稳定性、效率与多模态融合。本文基于最新综述，揭
阅读全文无标签进化：EVOL-RL用“多数选择+新颖变异”破解大模型“熵坍缩”困局
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当AI因“内卷”而丧失创造力，腾讯AI Lab的EVOL-RL框架带来了破局之钥。它不依赖标签，而是用“选择+变异”的进
阅读全文从探索到验证：Parallel-R1 如何塑造大模型的"思考"哲学
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ Parallel-R1首次通过强化学习让大语言模型从零开始学会"并行思考"，突破了传统监督微调的局限。本文介绍了其"三步
阅读全文告别“视而不见”：CARE框架让大模型真正读懂上下文
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当LLM对上下文证据“选择性失明”，RAG也无能为力？来自蒙特利尔大学与MetaGPT团队的CARE框架，开创“原生检索
阅读全文从写代码到写规则：SASE框架下，人类如何成为AI智能体的“教练”
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ AI智能体正重塑软件工程，但真正的瓶颈与机遇都在“人”。本文探讨了SASE框架，揭示人类如何从执行者跃升为战略指挥官，为
阅读全文告别新闻滞后：QuantAgent如何用纯价格数据在4小时周期斩获80%胜率
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 告别黑箱与信息滞后！Stony Brook团队推出QuantAgent，首个纯价格驱动的多智能体LLM高频交易框架。零样
阅读全文Agentize Everything：EnvX如何把18个GitHub仓库变成能协作的AI指挥家？
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ EnvX将GitHub仓库化为可协作的智能体，通过三阶段流程与A2A协议，实现了从“手动集成”到“自然语言调度”的范式跃
阅读全文【概述】通义DeepResearch开源发布：首个匹敌OpenAI的全栈Web Agent（七篇6.5万字）
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 通义DeepResearch重磅开源！全球首个性能匹敌OpenAI的全栈Web Agent，登顶HLE、BrowseCo
阅读全文WebResearcher：从线性累积到迭代进化，重塑AI研究范式的三大支柱
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 阿里通义实验室提出IterResearch范式，本文揭示其如何通过“迭代合成”重构长程智能体架构，实现可持续的高质量推理
阅读全文ReSum：让AI智能体学会“记笔记”，突破长程推理瓶颈
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 上下文窗口限制了AI的思考深度？ReSum通过周期性总结与重启机制，首次实现LLM智能体的无限探索能力，为长程推理打开新
阅读全文WebWeaver：一个模仿人类思维的AI研究员是如何炼成的？
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ WebWeaver提出“动态大纲+分层写作”新范式，通过Planner与Writer双智能体协同，实现证据强接地的深度研
阅读全文超越规模神话：WebSailor-V2 的数据-环境协同之道
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ WebSailor-V2以30B模型超越671B闭源系统，证明“数据+环境”双引擎比算法本身更重要。本文深度解析其系统工
阅读全文从AgentFounder看未来：智能体基础模型的崛起与"持续预训练"新范式
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 通义实验室提出“智能体持续预训练”新范式，通过FAS/HAS数据合成与两阶段训练，打造预对齐智能体基础模型AgentFo
阅读全文环境即智能：从AgentScaler看下一代AI智能体的进化论
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 阿里通义实验室提出“Environment Scaling”新范式，通过全自动构建可验证的模拟环境，为智能体训练提供高质
阅读全文多模态“啊哈时刻”：自编码器如何让理解与生成真正相爱相杀
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当前多模态模型的“统一”多是伪命题。北大与百度团队提出UAE框架，以自编码器视角和重建目标，首次实现理解与生成的相互成就
阅读全文HANRAG：用“启发式”决策终结多跳问答的噪声与低效困局
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 蚂蚁集团提出HANRAG框架，通过引入“启发式”智能体Revelator，系统性解决了多跳问答中的效率低下与噪声累积难题
阅读全文3B小模型吊打32B大模型？BAAI 的新研究 InfoSeek 数据炼金术
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当业界还在堆参数时，BAAI用一套开源框架证明：数据质量才是AI的胜负手。3B小模型性能反超32B大模型，这不是奇迹，而
阅读全文SEDM：让智能体记忆“越用越聪明”的自进化架构
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当智能体记忆越多，表现反而越差？Gradient团队的SEDM框架，用实证准入与自进化调度，让记忆系统越用越聪明，为长期
阅读全文当你的AI助手开始“替你谈判”：虚拟智能体经济如何重塑你的钱包、时间和选择权
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当智能体以人类无法反应的速度进行交易，你的生活决策权正在被悄然转移。Google DeepMind最新研究揭示，一个“高
阅读全文告别碎片化训练：VERLTOOL开源如何塑造工具使用型LLM的强化学习
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当前LLM智能体研究困于碎片化与低效执行。VERLTOOL提出统一插件接口与异步流水线，首次实现跨数学、搜索、SQL等六
阅读全文统一视角下的HPT：动态融合SFT与RL，释放LLM后训练新潜能
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 清华团队提出HPT算法，基于统一理论框架，让模型自适应融合SFT与RL，效果全面超越SOTA，小模型也能受益，工程师必备
阅读全文"顿悟"会传染，94%性能跃升：SAPO如何用“共享经验”重构小模型RL训练
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 无需昂贵集群，不惧硬件异构。Gensyn AI团队的SAPO算法，让全球分散的消费级设备组成“蜂群”，通过共享解题经验，
阅读全文OpenAI 论文：为什么AI宁可胡说也不说“我不知道”？
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 幻觉并非神秘故障，而是统计学习下的必然错误。本文揭示：语言模型的“胡说”，源于密度估计目标与二元评测体系的双重驱动。理解
阅读全文推理的深度边界：神经网络如何在有限参数下实现多步推理？
点击👇🏻可关注，文章来自🙋♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当LLM在奥赛摘金时，我们是否真正理解了它们的"推理"能力？研究者通过1dCA基准揭示：多步状态传播是真正的推理瓶颈，而
阅读全文