Welcome to EveryAI
Welcome to EveryAI — a curated collection of AI research digests, X timeline highlights, and original writing. What You’ll Find Here 📚 Paper Digest Daily curated picks from the latest AI/ML resea...
Welcome to EveryAI — a curated collection of AI research digests, X timeline highlights, and original writing. What You’ll Find Here 📚 Paper Digest Daily curated picks from the latest AI/ML resea...
今天最值得看的 paper 是 Training Foundation Models with a Single Algorithm。 Foundation model 的训练通常被切成 pretraining、midtraining、SFT 和 RL。每个阶段使用不同的数据、代码路径和优化方法,团队也会为它们维护不同的 trainer 与基础设施。这篇论文提出一个更统一的描述:这些阶段都...
今天最值得看的 paper 是 Small agents should know what their tools do。 小模型已经能调用工具,却经常缺少对工具副作用的理解:重复写入、删除前不确认、反复读取已经掌握的状态,或者把几次存在依赖关系的调用拆成多个回合。训练数据通常只记录工具名、参数和返回值,工具对外部世界造成的影响仍然藏在自然语言里。 这篇论文提出 EffectWorld,...
今天最值得看的 paper 是 Spine: Compiling Subtask Trees into Structured Context for Long-Horizon Coding Agents。 长任务天然带有层级。修一个复杂 bug 时,agent 会依次定位入口、验证假设、修改实现、补测试,再回到主任务做完整验证。多数 coding agent 仍把这些过程记录成一条不断增长...
今天最值得看的 paper 是 Trajectory2Gym: Decision-Grounded Compositional Interaction Synthesis for Tool-Use Agents。 Tool-use agent 的训练数据通常从成功轨迹中筛选:任务完成了,API 调通了,这条 trajectory 就进入 SFT。Trajectory2Gym 指出,这个标准...
今天最值得看的 paper 是 Compact-Bench: Measuring What Context Compaction Costs Long-Horizon Coding Agents。 长任务跑到 context window 边缘时,coding agent 通常会把完整历史压成一份 summary,再带着 summary 和当前 repository state 继续工作。...
今天最值得看的 paper 是 IQuest-Q1: Advancing Foundation Capabilities for Agentic CLI Systems。 IQuest-Q1 是一个面向 CLI agents 的 open-weight sparse MoE,参数总量 320B,每个 token 激活 15B。它的亮点集中在完整的 post-training stack:可...
今天最值得看的 paper 是 Harness Scaling for Generalizable Agentic Reinforcement Learning。 Agentic RL 通常固定一套 harness 训练:相同的 tools、system prompt、context policy 和 execution protocol。模型在这套环境里获得更高 reward,同时也可能...
今天最值得看的 paper 是 Training the Whole Agent, Not Just the Model。 它研究 coding-agent RL 里的一个核心耦合:policy 产生的 trajectories 受 harness 影响,新的 policy checkpoint 又会暴露新的 interaction failures。HarnessAdapt-RL 因此在...
今天最值得看的 paper 是 Self-Evolving Coding Agents via Harness-Policy Optimization。 它讨论了 code agent 训练里一个经常被拆开处理的问题:最终能力由 policy model 和 agent harness 共同决定。Harness 包含 system prompt、工具接口、runtime logic 和 i...