AI- lilfry's library

AI

2026

Looped Transformer 不只是重复计算：从 LoopFormer 到 Elastic-Depth Post-Training 08-18

蒸馏不只是压缩：从 Self-Distillation 到 Search Distillation 的研究地图 08-09

读 SFT、RL 与 On-Policy Distillation：后训练真正的变量是 on-policy data 08-09

FullStack-Agent：全栈 Coding Agent 的训练与评测数据是如何构造的 08-06

AgentENV：为 Agentic RL 规模化运行可分叉的沙箱环境 08-05

线性注意力从头到尾讲清楚：从注意力矩阵到可递推状态 07-28

训练模型的长程软件工程能力：从 SWE-Marathon 到 FrontierSWE 与 SWE-Together 07-20

SWE Agent 数据与评测版图 07-14

Coding Agent 最新论文与工程调研 07-14

异步 RL：用 Policy Staleness 换掉全局 Barrier 07-13

R3 和异步 RL：强异步 MoE 训练中的 routing replay 问题 07-13

DLLM 方法综述：从掩码扩散到大语言扩散模型 07-13

读 Qwen Bebop 与 DeepSeek DSpark：Speculative Decoding 正在从技巧变成系统工程 07-11

Focal Loss 是什么？为什么它能解决类别不平衡问题？ 05-07

轻一点的 harness，强一点的 runtime：Agent 训练轨迹里的信号问题 05-05

模型更强之后，Agent 框架会怎样退到 runtime 05-05

告别盲目堆算力：让AI编程智能体从经验中学会“思考” 05-05

读 MOPD：后训练正在从单一 RL 走向多教师能力合并 05-05

GroupDPO: Memory efficient Group-wise Direct Preference Optimization 05-05

coding agent数据合成-qwen调研 04-19

1
2