全部动态
这篇论文用 gsm_hard 上的 120 题实验算清了一笔账：流水线出错后，把原题重新喂给第一个下游阶段就能挽回 0.394，每题只多花 59.8 个 token，后面的阶段白搭。
训练智能体 RL 的人可以看看：PEARL 动态调 prefill-decode 配置还能借闲置 GPU，吞吐比 RLBoost+ 最高多 36.3%。
Qwen3.5-4B 只靠写复盘解释做微调，不用奖励模型就在 SWE-bench 上跑赢 GRPO，做智能体训练的可以看看这套 ROFT 流程。
Meta 这次没走 self-distillation 老路，用 DCE 加 SRCL 就把 Qwen3-8B 从 30% 拉到 66%，方法细节可以看看。
NVIDIA 把社区写的 3.4k 个 Agent Skills 直接变成 RL 训练环境，300 步就把 Qwen 27B 在 Terminal-Bench 上拉高近 5 个点，流水线和负结果都写得很细，做 agent 训练的值得看看仓库。
把技能文档变成 2756 个训练环境直接练进模型权重，微调后的 Qwen3.5-35B-A3B 在终端基准上超过了 Claude Sonnet 4.6，思路很新颖。
把人类技能攻略变成训练环境喂给模型，微调后 35B 小模型在 SkillsBench 上跑赢了 Claude Sonnet 4.6，方法思路挺有意思。
加纳团队用 Qwen3-ASR-0.6B 给三种本地语言做语音识别，Ewe 错误率砍掉近一半，还上线了健康问答应用 KasaHealth，低资源语言落地的完整参考。
NVIDIA 把公开 Agent Skills 自动转成 RL 训练环境，产出近 8000 条任务，还开源了流水线思路，做 Agent 训练的可以看看。
教小模型做数学题的新训练方法，把教师模型的逐token提示和答案对错验证揉进一个GRPO更新里，Qwen3-1.7B和4B都涨了不到1个点，做RL训练的可以看看细节。
越南 PDPD 合规催生的实用论文：本地跑 Qwen3.5-27B 配混合 RAG，效果追平云端 DeepSeek-V4-Flash，还公开了越南语 RoPA 基准。
朋友发了这个新基准数据集，专门用来测试模型在生物物理领域的科学推理能力，比之前的基准更复杂，能看出不同模型在这个专业领域的真实水平。
这个研究挺有意思的，它发现给AI模型问问题的时候，用更详细、更啰嗦的描述，能让模型在处理有问题的图片时更不容易出错，比如把‘有猫吗？’改成‘请仔细看并回答：有猫吗？’。
朋友，这是 DeepSeek 的新方法，叫 Gavel，能从冻结的 LLM 里直接读出该用哪个技能，不用加载那么多东西，在他们的新基准测试里比其他方法好很多。
研究解决了小模型模仿专家时的性能下降问题，提出了新的在线策略修正方法，让小模型在特定任务中更接近大模型表现。