今天最值得看的 paper，不是又一个更高分的 benchmark 结果，而是一篇把一个越来越现实的问题捅破的工作。Where does output diversity collapse in post-training? 关心的不是模型会不会答对第一条，而是模型在后训练之后，为什么越来越容易给出“整齐划一”的答案。 这件事乍看像个审美问题，其实很技术，也很现实。很多人默认，只要 top...

今天最值得看的 paper，是一篇把 SWE agent 为什么总在长任务里失速 说得很透的工作。SWE-TRACE: Optimizing Long-Horizon SWE Agents Through Rubric Process Reward Models and Heuristic Test-Time Scaling 关心的不是某个 flashy demo，也不是再堆一点 bench...

今天最值得看的 paper，不是又一个更大模型，也不是一个花哨 demo，而是一篇很具体地讨论 AI coding agent 到底怎样才能少走弯路 的工作。Formal Architecture Descriptors as Navigation Primitives for AI Coding Agents 讨论的是一个常被低估的问题，coding agent 在真实代码库里，究竟有多少...

今天最值得看的 paper，是一篇把 post-training 里一个常被使用、却少有人真正讲透的方法拆开来看的工作。Rethinking On-Policy Distillation of Large Language Models: Phenomenology, Mechanism, and Recipe 讨论的是 OPD，on-policy distillation。这个方向这半年越...

今天最值得看的 paper，不是又一个更大的 benchmark，而是一篇把 RL for LLMs 里一个很烦、但大家都见过的毛病讲清楚的工作。The Past Is Not Past: Memory-Enhanced Dynamic Reward Shaping 这篇 paper 盯住的是 rollout diversity 崩掉之后的那种熟悉场面，模型并不是不会探索，它只是会反复绕回同...

今天最值得看的 paper，不在 Hugging Face 热榜里，而在 arXiv 的 cs.SE 角落。原因很简单，这篇 paper 碰到的是 code LLM 真正在生产里会撞上的墙，模型知道的 API，和今天真实存在的 API，经常已经不是同一个东西。When LLMs Lag Behind: Knowledge Conflicts from Evolving APIs in Cod...

今天最值得看的 paper，挑战的不是一个小结论，而是最近 post-training 圈里一个被说得过于顺口的判断，SFT 负责记忆，RL 负责泛化。这个说法太整齐了，所以也太可疑。Rethinking Generalization in Reasoning SFT 这篇 paper 做的事情很扎实，它把 reasoning SFT 的泛化问题拆开来看，最后给出的答案不是 yes 或 no...

今天最值得看的 paper，不在于它又给 agent 加了什么新能力，而在于它终于认真去量 agent 到底做对了什么、做错了什么。过去很多 autonomous agent benchmark 最大的问题，是只看终点，不看过程。最后按钮点对了、文件改对了、答案交对了，分就给了。但真实世界里的 agent，往往恰恰死在过程里，绕远路、碰安全红线、靠运气撞对结果。Claw-Eval 这篇 pa...

今天最值得看的论文，落点非常明确，coding model 真正缺的，也许不是再多一点“会说”的 reasoning，而是更像程序员那样，先在脑子里跑一遍代码，再决定自己写得对不对。今天几篇强 paper 放在一起看，会发现一个共同方向，大家都在试图把模型从只会产出答案，往会模拟过程、会修正错误、会更新信念那边推。 今日 3 篇精选 1) Self-Execution Simulatio...

今天最值得看的论文，不在 benchmark 花活，而在一个更根本的问题，post-training 到底该从哪里拿到足够密、但又不失真的学习信号。稀疏 outcome reward 太粗，纯 privileged distillation 又容易把目标带偏。今天最强的几篇 paper，基本都围着这条线打转，只是切入点不同，有的在讲 reasoning RL 的信号设计，有的在讲 code ...