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
周六上午10点！聊聊 RL 后训练框架 SkyRL，以及 397B Agent 的 RL 训练实战
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 当 Agent 训练从「只训模型」走向「模型
2026-09-17 00:00 · 摘要已收录，可打开文章获取原文内容
Rethinking OPD II: 为什么 OPD 在一条样本上训练，也能接近全量数据的效果？
主页：http://qingkeai.online/ 作者：朵朵菊花向阳开https://zhuanlan.zhihu.com/p/2079700159114507443青稞社区为科研人员提供成果宣传
2026-09-16 00:00 · 摘要已收录，可打开文章获取原文内容
面向具身智能规模化落地的端侧推理引擎来了：APXInf 开源，Pi 0.5 FP8 在 Thor 上推理延迟降至 26ms
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 今天的具身模型，已经能够看懂环境、理解指令，并
2026-09-15 19:00 · 摘要已收录，可打开文章获取原文内容
万字长文带你读懂 RSI（自进化，Self-Evolving）
主页：http://qingkeai.online/ 原文：https://prism-shadow.github.io/awesome-rsi/#blog/understanding-rsi青稞社区
2026-09-14 00:00 · 摘要已收录，可打开文章获取原文内容
周四晚8点！一起 Rethinking On-Policy Distillation
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 On-policy distillation
2026-09-14 00:00 · 摘要已收录，可打开文章获取原文内容
改进“自我改进的方式”！首个 MetaRSI 框架，让前沿旗舰模型突破能力边界
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 图1：MetaRSI-v1主视觉论文标题：
2026-09-13 00:00 · 摘要已收录，可打开文章获取原文内容
从“生成画面”走向“理解并构建物理可信世界”！NTU 开源统一世界模型 Puffin-World
主页：http://qingkeai.online/ 作者：Kang Liao，NTU 博士后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 世界模
2026-09-13 00:00 · 摘要已收录，可打开文章获取原文内容
北大助理教授招生｜LLM/Agent 后训练、RSI、Discovery Intelligence（2028 Fall 硕博 + 博后 + 实习长期开放）
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 大家好，我是杨灵，即将加入北京大学国际机器学习
2026-09-12 00:00 · 摘要已收录，可打开文章获取原文内容
从性能调优和工程复杂性，系统聊聊流水线并行，是怎么污染整个训练框架的！
主页：http://qingkeai.online/ 作者：陈乐群https://zhuanlan.zhihu.com/p/2080679659474252248青稞社区为科研人员提供成果宣传支持，如
2026-09-12 00:00 · 摘要已收录，可打开文章获取原文内容
不让每一层都“翻旧账”！浙大 & 港大最新开源 LayerRecall，让长视频记忆更准、用得更精
主页：http://qingkeai.online/ 作者：Wei Huang，港大博士生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 AI能连续
2026-09-11 00:00 · 摘要已收录，可打开文章获取原文内容
Agent 安全也能自进化？SafeEvolve 让 Harness 与 Policy 从安全经验中共同进化
主页：http://qingkeai.online/ 作者：上海人工智能实验室研究团队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 随着大模型Ag
2026-09-10 00:00 · 摘要已收录，可打开文章获取原文内容
从 IGO 看后训练 RL：真正困难的不是优化，而是构造 Local Optimum
Policy gradient是一种实现方式。Reward是一种feedback representation。PPO、GRPO是一些非常优秀的optimization machinery。但真正值得问的问题也许是：如果下一步的模型真的应该比现在更好，那么那个“更好的局部分布”究竟是什么？
2026-09-09 00:00 · 摘要已收录，可打开文章获取原文内容
直播预告！聊聊 EnvHarness，Agent 和环境如何“左脚踩右脚”实现自进化
Agent本质上是一个不断与环境进行交互的主体：感知反馈、做出决策、影响环境。在自进化Agent的主流范式中，往往高度依赖Agent在环境中的单向探索来拉升性能。那有没有可能让环境也随之进化起来，与 Agent 互相博弈，达成“左脚踩右脚”上天的效果？
2026-09-09 00:00 · 摘要已收录，可打开文章获取原文内容
MiniMax-H3 音视频生成 RL 后训练：基于 VeRL-Omni 的开源实践
本文记录基于VeRL-Omni，使用DiffusionNFT算法跑通 MiniMax-H3 的 T2VA 与 FL2VA 在线 RL 训练闭环的实践：vLLM-Omni 负责 rollout 生成音视频，Diffusers / FSDP2 负责 actor 训练，VeRL-Omni 将数据、reward、NFT loss、LoRA old-policy 同步串联为完整链路
2026-09-08 00:00 · 摘要已收录，可打开文章获取原文内容
长期记忆与实时语音交互正式接通！颜水成团队发布无延迟“流式双脑”记忆框架
VoiceMem将记忆拆成彼此协作的两部分：信息左脑保存事实、人物、事件和概念，情感右脑维护人格、情绪及其归因；与此同时，系统在人还没有说完时便开始圈定记忆范围，再把密集搜索藏进语音交互本来就要经历的静音确认窗口。
2026-09-07 00:00 · 摘要已收录，可打开文章获取原文内容
干货！大模型后训练的“剂量”学，什么剂量才能让 Qwen3.8-27B 想得少、不掉能力，还能用 XH 档？
这种已经被后训练得很充分的模型，不能再拿一大桶数据往里灌。它更像一个已经吃了很多药的病人，要精细的针对病灶每一条数据都对症治疗。
2026-09-06 00:00 · 摘要已收录，可打开文章获取原文内容
直播预告！聊聊 Lego-RL 框架，如何在真实 Coding Agent Harness 中接入 RL 进行训练？
Lego-RL 是一套面向 Coding Agent 的强化学习训练框架，不需要修改 OpenHands SDK、Claude Code 或 OpenCode 的任何一行代码，就能把它们直接接入强化学习
2026-09-06 00:00 · 摘要已收录，可打开文章获取原文内容
微软最新成果！面向 AI tutor 训练的学生模拟器 StudentSim：从真实学习记录中构造 feedback model
StudentSim 关注的是反馈建模问题。这项研究将学生模拟器定义为一个可训练、可评估的 feedback model：输入学生画像、问题、学生初始回答和教师指导，输出该学生可能给出的回答或修正结果。
2026-09-05 00:00 · 摘要已收录，可打开文章获取原文内容
从 Attention 到 Relation：深入理解 Token 到底应该怎么流动？
Relation2效果很好，通过再次“掀桌子”：把FFN接口干掉。相同的小参量下，已经能压MHA接近9%的PPL了
2026-09-04 00:00 · 摘要已收录，可打开文章获取原文内容
从 LR（学习率） 到 ELR（有效学习率），重新理解大模型预训练的调度策略
为什么训练初期可以容忍更高的峰值 ELR，甚至常常能从中受益，而训练后期却更适合缓慢、近似线性的衰减？
2026-09-03 09:00 · 摘要已收录，可打开文章获取原文内容
直播预告！从 Harness 看 AI4AI 如何实现
如果完全不改模型参数，强模型能不能在 test time 直接帮弱模型“搭好思考方式”？
2026-09-03 09:00 · 摘要已收录，可打开文章获取原文内容
终局奖励之后：从 Apodex 1.1 看长程 Agentic RL 如何分配 credit
主页：http://qingkeai.online/ 作者：haotian原文：https://zhuanlan.zhihu.com/p/2076631969656468787青稞社区为科研人员提供成
2026-09-02 00:00 · 摘要已收录，可打开文章获取原文内容
大模型知识机理探索：知识编辑与持续学习
主页：http://qingkeai.online/ 作者：张宁豫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 论文题目：Towards prin
2026-09-01 00:00 · 摘要已收录，可打开文章获取原文内容
直播预告！从"如何生成"到"如何验证"，探讨物理一致世界建模如何支撑可规模化机器人学习
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 当机器人要学会叠衣物、理线缆、摆弄软体——可变
2026-09-01 00:00 · 摘要已收录，可打开文章获取原文内容
当 Harness 也能被 AI 自动设计：AI4AI 正在重写小模型变强的方式
主页：http://qingkeai.online/ 作者：Cheng Qian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 今年，AI 的竞争正
2026-08-31 00:00 · 摘要已收录，可打开文章获取原文内容
分级缓存 + 投机解码 + 正交分片：Macaron-V1 的长上下文推理实践
主页：http://qingkeai.online/ 作者：Mind Lab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 Macaron-V1 上
2026-08-30 00:00 · 摘要已收录，可打开文章获取原文内容
华为&港中文最新开源 Lego-RL：让 Coding Agent 的强化学习训练真正"长稳可靠"
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 Lego-RL 是一套面向 Coding Age
2026-08-29 00:00 · 摘要已收录，可打开文章获取原文内容
Harness 基座模型 JIT-27B，为每个任务写一套“Claude Code”
主页：http://qingkeai.online/ 作者：Guibin Zhang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 Agent be
2026-08-28 00:00 · 摘要已收录，可打开文章获取原文内容
从 Infra 角度看，为什么去掉 Encoder 更好?
主页：http://qingkeai.online/ 作者：Yuwei Niuhttps://x.com/purshow04/status/2089737243267322349青稞社区为科研人员提供
2026-08-27 00:00 · 摘要已收录，可打开文章获取原文内容