按技术分类
一个条目可属于多个类别。每个类别页汇总所有期的条目（按发布日期倒序）。
LLM 架构与效率 Architecture & Efficiency
注意力/循环/记忆结构、looped（循环深度）模型、线性注意力、参数与计算的重新分配。
推理与强化学习 Reasoning & RL
RLVR、策略优化、信用分配、探索、奖励设计，让模型学会更好地推理与行动。
- Multiscale Policy Optimization for Long-Horizon LLM Agents (MPO) 2026-10-26
- Eat Your Precision: Precision Objective Mitigates Reward Hacking in Rubric-based RL（Fork） 2026-10-24
- ReAPO: Retry-Aware Policy Optimization for Efficient Exploration in LLM Reasoning 2026-10-20
- DiffusionART: Efficient, Stable and Scalable Reinforcement of Diffusion Models 2026-10-08
- TRACE: Rollout-Guided Quantization-Aware Training for FP4 Reinforcement Learning of MoE Language Models 2026-10-06
智能体 Agents
长程工具调用、上下文/缓存管理、记忆系统、智能体训练与评测。
- How we detect frontier model misalignment（OpenAI） 2026-10-29
- Multiscale Policy Optimization for Long-Horizon LLM Agents (MPO) 2026-10-26
- Memory Tax: Dissecting the Net Value of Agent Memory 2026-10-25
- Cache Engineering for Agents（AKV serving engine） 2026-10-20
- Right Screen, Wrong Transition: World Models as Verifiers for GUI Agents（LGWM） 2026-10-08
多模态与生成 Multimodal & Generation
图像/视频/音频生成与理解，扩散与流匹配模型的后训练。
世界模型与具身 World Models & Embodied AI
世界模型、VLA（视觉-语言-动作）模型、机器人策略、GUI/环境的预测与验证。
训练与数据 Training & Data
低精度训练、RL 训练系统、奖励/数据构造与训练稳定性。
安全与对齐 Safety & Alignment
奖励投机、监控与可监督性、智能体越权与攻击检测。
推理与服务 Inference & Serving
KV cache、量化、调度与低延迟部署，让大模型更便宜更快。