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 Rethinking Cross-Tokenizer On-Policy Distillation: From Alignment Coverage to Supervision Reliability。 它研究一个越来越常见的 post-training 场景：teacher 和 student 使用不同 tokenizer 时，怎样做 on-policy...

今天最值得看的 paper 是 Correct Code, Broken Contributions? SWE-CC: Benchmarking Repository Policy Compliance for Coding Agents。 现在的 coding-agent benchmark 通常问一个问题：patch 能不能通过测试？ SWE-CC 加入了另一个现实问题：这份贡献符合...

今天最值得看的 paper 是 Scaling Trajectories for Complex Tasks through Recursive Self-Rewrite。 它抓住了 code-agent training 里一个很现实的问题：强 harness 能让模型完成更多任务，但成功轨迹里混入了 controller intervention、workflow convention...

今天最值得看的 paper 是 Cross-Benchmark Transfer from RL on Agentic Coding Tasks。 它问了一个 code-agent post-training 里很关键的问题：在一小批高质量 coding tasks 上做 RL，学到的能力能不能跨 repository、benchmark、agent harness 和任务时长继续生效？ ...

今天最值得看的 paper 是 The Teacher Is a Direction, Not a Destination: Extrapolating RL-Induced Representation Residuals in On-Policy Distillation。 On-policy distillation 通常让 student 在自己的 trajectories 上匹配...

今天最值得看的 paper 是 ROSS: Relearning from Self-Generated Rollouts through Selective Supervision。 LLM post-training 会消耗大量算力生成 rollouts。Policy 更新以后，这些历史轨迹通常被视为 stale data：它们来自旧模型，分布已经落后，整条模仿还可能把错误、无效尝试和...

今天最值得看的 paper 是 Groupwise Agentic Grading and Advantage Redistribution for Code Agent RL，简称 GAGAR。 代码智能体做 RL 时，最方便的 reward 来自测试：通过为 1，失败为 0。这个信号客观、便宜、容易扩展，却把所有成功轨迹压成了同一种结果。 同一个 issue，可以有两份都能通过测试的...

今天最值得看的 paper 是 RayOrch: Programming and Executing Lineage-Controlled Multi-Grain Dataflows for Foundation-Model Data Preparation。 基础模型的数据准备，经常同时面对两个方向相反的需求。 PDF、网页和视频会动态展开成 page、region、clip 等子任务...

今天最值得看的 paper 是 Rufus-Air: An Open LLM Post-Training Recipe。 很多模型报告会公开最终 benchmark，却把真正决定复现成败的部分压缩成几句话：SFT 数据怎样混，RL prompt 怎样筛，rollout 被截断后怎样处理，推理和训练精度不一致怎么办，sandbox 挂掉算谁的错，每个 stage 又该接在哪个 checkpo...