#强化学习
Cursor 团队分享了他们如何用 agent 系统自动化模型训练，还聊了和 SpaceXAI 联合训练 Grok 4.5 的细节，干货很多。
Lighthouse RL用巧妙的‘灯塔’重置点大幅提升电路优化效率，样本快1.72倍，成功率拉满到100%。搞硬件优化的千万别错过。
这篇论文用Lyapunov指数做奖励，让强化学习不仅复现了Kapitza摆，还找到了更稳的竖直不倒方案，挺有意思。
TerraZero 用程序化模拟+零演示强化学习搞定了自动驾驶长尾场景，跑得巨快，还拿了 InterPlan 和 Waymo 的 SOTA，你不想看看怎么做到的？
想用强化学习自动跑实验？Nemotron Labs 出了个教程，手把手教你用 Agent Skills 搭建智能体，省心省力。
vLLM 被 NVIDIA 新框架 Molt 选为 rollout 主力，支持 1T 级 MoE 规模，想搞强化学习可以试试这套组合。
Skyfall AI搞了个叫Morpheus的模拟环境，永不重置，专门测LLM能不能持续学习，结果发现它们根本不行。
Prime Intellect 搞了个 verifiers v1，专门给智能体强化学习和评估用的环境栈，能跑 coding、computer use 这些复杂任务，公司也刚拿了独角兽轮、ARR 破亿。
想了解 Prime Intellect 的异步 RL 框架和模块化验证系统吗？看看他们如何让长程智能体训练更高效。
AI大佬组团开怼现有深度学习：Sutton和Marcus联手发论文说光调参没用，得从头改架构，还搞了个新公司Oak Lab。想了解AI前沿争议的可以看看。
Prime Intellect 出了 Verifiers v1，把RL训练环境拆成任务集、框架和运行时三块，能自由组合，还自带拦截服务器收集数据，做智能体RL的可以试试。
PrimeIntellect发了Verifiers v1，用vLLM做强化学习rollout，token精度更高，训练更稳定。搞开源RL的可以看看。
Cognition分享了RL训练的新玩法：跨三大洲四数据中心混用自有GPU和FireworksAI，靠压缩权重差异同步，挺有意思。
Mistral 出了机器人模型 Robostral Navigate，8B 参数用单摄像头就能导航，R2R-CE 上 76.6%，轻巧实用。
想研究格斗游戏AI？这个新基准FootsiesGym基于极简游戏Footsies，自带高效模拟器，适合强化学习训练和对比。
Meta 的 Muse Image 在强化学习下自己学会了边画边改，能局部修也能重画，效果比直接生成更好，值得看看
一篇论文提出用强化学习+上下文压缩训练长程智能体，在SWE-bench等基准上显著提升开源模型表现，适合关注Agent训练和RL方法的人。