Agentic RL Infra 主流技术路线综述
主页：http://qingkeai.online/ 作者：韦子扬https://weiziyang.wiki/posts/post-training-rl/agentic-rl-infra-tech
2026-10-10 00:00 · 摘要已收录，可打开文章获取原文内容
乱谈 Kernel 之 Mega 向左，PDL向右
主页：http://qingkeai.online/ 作者：是小肖啊https://zhuanlan.zhihu.com/p/2071311590117396655青稞社区为科研人员提供成果宣传支持，
2026-10-09 14:00 · 摘要已收录，可打开文章获取原文内容
直播预告！聊聊 FreeToken：如何在 8GB 显存上跑起 35B 参数的 MoE 大模型
主页：http://qingkeai.online/ 青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 前沿开源权重模型正日益普及，但其部署服务目前仍
2026-10-09 14:00 · 摘要已收录，可打开文章获取原文内容
两万字长文！2026 GPU Kernel Agent 最新进展：方法、基准与验证三者缺一不可
主页：http://qingkeai.online/ 作者：l1cacheDellhttps://l1cachedell.github.io/blog/hpc/gpu-kernel-agents-me
2026-10-08 00:00 · 摘要已收录，可打开文章获取原文内容
DeepSeek 论文编年史：一条被反复重算的成本曲线
主页：http://qingkeai.online/ 青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode同一笔账的两次报价2024 年 5 月，DeepS
2026-10-07 00:00 · 摘要已收录，可打开文章获取原文内容
BPO VS Score Centering：梯度等价，原始理论目标不同
主页：http://qingkeai.online/ 作者：帕林德原文：https://zhuanlan.zhihu.com/p/2085051180716237979青稞社区为科研人员提供成果宣传支
2026-10-06 00:00 · 摘要已收录，可打开文章获取原文内容
直播预告！基于细粒度准则的多模态强化学习奖励，如何让模型的推理更忠于视觉证据？
主页：http://qingkeai.online/ 青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 视觉语言模型能生成流畅的回答，却可能看错图表数
2026-10-06 00:00 · 摘要已收录，可打开文章获取原文内容
答案正确，推理就一定可靠吗？V-Rubrics 用 35 万条细粒度准则细化多模态强化学习奖励
主页：http://qingkeai.online/ 作者：机器之心@公众号青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 核心结论：V-Rubri
2026-10-05 00:00 · 摘要已收录，可打开文章获取原文内容
探索奖励建模新范式！Diffusion Reward Models：走向分布式奖励建模
主页：http://qingkeai.online/ 作者：朵朵菊花向阳开https://zhuanlan.zhihu.com/p/2088694902305640688青稞社区为科研人员提供成果宣传
2026-10-04 00:00 · 摘要已收录，可打开文章获取原文内容
从 TIS 到 score centering，重新理解 LLM RL 中的训推不一致
主页：http://qingkeai.online/ 作者：extreme1228https://zhuanlan.zhihu.com/p/2087258204770145562青稞社区为科研人员提供
2026-10-03 00:00 · 摘要已收录，可打开文章获取原文内容
字节最新提出 PEAR：面向工业级搜推在线系统的 RSI 框架
主页：http://qingkeai.online/ 作者：Jun Gong青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 工业搜索长期围绕同一条技
2026-10-02 00:00 · 摘要已收录，可打开文章获取原文内容
EMNLP 2026 Oral｜机器人会抓会放，就真的会推理吗？RoboSPA 给 VLA 出了一套“逐级加难”的试卷
主页：http://qingkeai.online/ 青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 论文标题： RoboSPA: Can VLA
2026-10-01 00:00 · 摘要已收录，可打开文章获取原文内容
大词表伤害小模型？深度解析 N-gram Embedding 与 Engram 架构
主页：http://qingkeai.online/ 作者：Yuwei Niuhttps://github.com/Purshow/Purshow_Notes/blob/main/Ngram_Embe
2026-09-30 00:00 · 摘要已收录，可打开文章获取原文内容
苏剑林：Shampoo 预条件优化器的尽头都是 Muon！
主页：http://qingkeai.online/ 作者：苏剑林，科学空间 原文：https://kexue.fm/archives/11917青稞社区为科研人员提供成果宣传支持，如有优秀研究成果
2026-09-29 00:00 · 摘要已收录，可打开文章获取原文内容
为什么 RLVR 会变成离策略学习？深度解析贝尔曼策略优化以及 score-centering
主页：http://qingkeai.online/ 作者：haotianhttps://zhuanlan.zhihu.com/p/2084586770000261374青稞社区为科研人员提供成果宣传
2026-09-28 00:00 · 摘要已收录，可打开文章获取原文内容
一个等价性观察：DFlash-2 的 Selector 和 DSpark 的 Markov Head 竟是同一机制
主页：http://qingkeai.online/ 作者：给你你的https://zhuanlan.zhihu.com/p/2073866383138604573青稞社区为科研人员提供成果宣传支持，
2026-09-27 00:00 · 摘要已收录，可打开文章获取原文内容
从 On-Policy Baseline 到 Off-Policy Score Centering！深度解析 score-centering 的前世今生
主页：http://qingkeai.online/ 作者：haotian原文：https://zhuanlan.zhihu.com/p/2085285283344421689青稞社区为科研人员提供成
2026-09-26 00:00 · 摘要已收录，可打开文章获取原文内容
318 秒变 5.8 秒：TurboT2VA 把 19B 音视频大模型加速 54 倍
主页：http://qingkeai.online/ 青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 核心技巧： 通过离散一致性蒸馏做 warmup
2026-09-25 00:00 · 摘要已收录，可打开文章获取原文内容
深度！大模型优化器解读：从 Adam 到在线矩阵 Whitening
主页：http://qingkeai.online/ 作者：Himalalpshttps://zhuanlan.zhihu.com/p/2078425222001308317青稞社区为科研人员提供成果
2026-09-25 00:00 · 摘要已收录，可打开文章获取原文内容
从 Next-Token 到 Next-Concept：语言模型的预训练任务，还有得改进吗？
主页：http://qingkeai.online/ 作者：林洲汉，上海交大青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 当全世界都在疯狂给大语言
2026-09-24 00:00 · 摘要已收录，可打开文章获取原文内容
OpenAI 的神秘 RL 算法只是个 STE 的近似吗？解密 OAI 的 RL 后训练算法
主页：http://qingkeai.online/ 作者：dung defender https://zhuanlan.zhihu.com/p/2085039491153139207青稞社区为科研人
2026-09-23 00:00 · 摘要已收录，可打开文章获取原文内容
专业知识 = 独立记忆模块！最懂科学的开源基础大模型『书生-S2』发布
主页：http://qingkeai.online/ 来源：公众号@书生Intern青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 9月13日，在2
2026-09-22 12:00 · 摘要已收录，可打开文章获取原文内容
“大模型的 Steam”！AgentArk 用 Coding Agent 扩展通用多模 Agent 的 RL 与评测环境
主页：http://qingkeai.online/ 作者：拒绝进化的鲤鱼王青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode AgentArk 是一个
2026-09-22 12:00 · 摘要已收录，可打开文章获取原文内容
聊聊 DeepSeek-V4.1-Flas 背后的跨层 KV 共享 YOCO，以衍生变种
主页：http://qingkeai.online/ 作者：Yuwei Niuhttps://github.com/Purshow/Purshow_Notes/blob/main/YOCO/CN/YO
2026-09-21 09:00 · 摘要已收录，可打开文章获取原文内容
直播预告！聊聊自我改进、递归自我改进（RSI），以及与自博弈的关系
主页：http://qingkeai.online/ 青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 大模型的强化学习后训练依赖人工整理的题目和固定
2026-09-21 09:00 · 摘要已收录，可打开文章获取原文内容
ECCV 2026 | UniTranslator：统一多模态框架，破解图内机器翻译的「理解-生成」鸿沟
主页：http://qingkeai.online/ 青稞社区为科研人员提供成果宣传支持，如有优秀研究成果分享推广，欢迎投稿联系：aiFreeCode 近日，由中国科学院信息工程所、小米 MiLM
2026-09-20 00:00 · 摘要已收录，可打开文章获取原文内容
到底什么是 Context？万字长文谈 Pi Agent context 管理
主页：http://qingkeai.online/ 作者：ceciliahttps://zhuanlan.zhihu.com/p/2077441274156790849青稞社区为科研人员提供成果宣传
2026-09-20 00:00 · 摘要已收录，可打开文章获取原文内容
模型训练的初始化应该怎么设置？从 LeCun、Xavier、Kaiming 到 muP
主页：http://qingkeai.online/ 作者：Himalalpshttps://zhuanlan.zhihu.com/p/2081055660125507755青稞社区为科研人员提供成果
2026-09-19 00:00 · 摘要已收录，可打开文章获取原文内容
LoRA 一作、OpenAI o1 核心成员的新工作：首次公开 397B 模型的 Agent RL 训练配方
主页：http://qingkeai.online/ 作者：绝密伏击https://zhuanlan.zhihu.com/p/2082860762947703480青稞社区为科研人员提供成果宣传支持，
2026-09-18 00:00 · 摘要已收录，可打开文章获取原文内容
6000+ 步稳定训练、无需 Critic！深度解析开源 Single rollout 异步强化学习算法 FlashREINFORCE
主页：http://qingkeai.online/ 作者：初七9527https://zhuanlan.zhihu.com/p/2082798684144771194青稞社区为科研人员提供成果宣传支
2026-09-17 00:00 · 摘要已收录，可打开文章获取原文内容