今天最值得看的 paper，我会给 RoadmapBench。 这篇 paper 的价值很直接，它终于把“coding agent 看起来会修 bug”和“coding agent 真的能做版本级开发”分开测了。 RoadmapBench 做的是 version upgrade 任务。agent 拿到的是旧版本代码快照，目标不是修一个孤立 issue，而是根据 roadmap instr...

今天最值得看的 paper，我会给 Self-Distilled Agentic Reinforcement Learning。 这篇 paper 打中的问题很实在。大家都知道 RL 已经成了 agent post-training 的主轴，但一旦任务变成多轮交互，reward 往往太粗，反馈来得太晚，错误还会一路滚雪球。很多时候，agent 不是完全不会做，而是学不到足够细的修正信号。 ...

今天最值得看的 paper，我会给 MinT: Managed Infrastructure for Training and Serving Millions of LLMs。 这篇 paper 的价值很直接，它讨论的已经不是“怎么再训出一个更强的 LoRA policy”，而是当你真的开始大规模做 post-training 之后，policy 生命周期本身会不会成为系统瓶颈。 作者...

今天最值得看的 paper，我会给 StepCodeReasoner: Aligning Code Reasoning with Stepwise Execution Traces via Reinforcement Learning。 这篇 paper 有意思的地方，不在于它又把某个 benchmark 提高了几点，而在于它抓得很准，代码推理不该只在最终答案上被奖励，还应该在中间执行状态...

今天最值得看的 paper，我会给 Shepherd: A Runtime Substrate Empowering Meta-Agents with a Formalized Execution Trace。 这篇 paper 打动我的地方很直接，它讨论的不是 agent 会不会做题，而是 agent 的运行过程能不能被当成真正的系统对象来管理。 现在很多 agent 工作流都有一个共...

今天最值得看的 paper，我会给 Constraint Decay: The Fragility of LLM Agents in Backend Code Generation。 这篇 paper 很值得看，因为它把 coding agent 讨论里最容易被掩盖的一层，直接量化出来了：模型能把功能写出来，不代表它能把后端系统写稳。 作者设计得很克制。他们固定统一的 API contr...

今天最值得看的 paper，我会给 Constraint Decay: The Fragility of LLM Agents in Backend Code Generation。 这篇 paper 刺中的，是 coding agent 讨论里最容易被 demo 掩盖的一层：模型能把功能写出来，不等于它能把后端系统写对。 作者专门盯着这个问题做了一组很干净的实验。他们固定统一的 API...

今天最值得看的 paper，我会给 SWE-WebDevBench: Evaluating Coding Agent Application Platforms as Virtual Software Agencies。 这篇 paper 的价值很直接，它终于开始认真回答一个被 demo 视频冲淡了的问题：那些一句话生成应用的 coding agent，离真正能交付的软件团队还有多远？ ...

今天最值得看的 paper，我会给 ProgramBench: Can Language Models Rebuild Programs From Scratch?。 这篇 paper 很直接，它问的就是一句很多人嘴上已经在默认、但证据其实并不够的话：LLM agent 到底能不能从零搭起一个像样的软件项目？ 作者做法很硬。他们没有继续考单点 bug fix、局部 feature com...

今天最值得看的 paper，我会给 AI-Generated Smells: An Analysis of Code and Architecture in LLM and Agent-Driven Development。 这篇 paper 很扎人，因为它讨论的不是 AI 写的代码能不能过样例，而是另一层更难回避的问题：这些代码以后还能不能维护。 作者做了一次很系统的技术债审计，既看单...