Paper Digest: 2026-04-29
今天最值得看的 paper,我会给 Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses。原因很直接,它抓住了 coding agent 这波里最容易被低估、但又最有杠杆的那一层,真正决定 agent 上限的,常常不只是 model,本质上还是 harne...
今天最值得看的 paper,我会给 Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses。原因很直接,它抓住了 coding agent 这波里最容易被低估、但又最有杠杆的那一层,真正决定 agent 上限的,常常不只是 model,本质上还是 harne...
今天最值得看的 paper,我会给 From Skills to Talent: Organising Heterogeneous Agents as a Real-World Company。它有一种很少见的野心,关心的已经不是单个 agent 会不会多调用几个 tool,也不是 prompt 怎么再雕得更漂亮,而是更上面一层的问题,如果我们真把一群 agent 当作一个组织来设计,会发生...
今天最值得看的 paper,是一篇把 agentic coding 里一个很少被认真量化、却已经非常现实的问题直接摆上桌面的工作。How Do AI Agents Spend Your Money? 关心的,不是 agent 能不能再多解几道题,也不是哪个模型 demo 更炫,而是一个所有真正开始部署 coding agent 的团队都会撞上的问题,这些 agent 到底把 token 花在...
今天最值得看的 paper,是一篇把 LLM 蒸馏为什么总像很多零散经验拼起来的黑箱工艺 这件事,重新整理成一套更清楚 recipe 的工作。Hybrid Policy Distillation for LLMs 关心的,不是再换一个新名字去包装蒸馏,也不是只在某个窄 benchmark 上多拿几个点,而是一个更实在的问题,如果你真想把强模型的能力更稳地迁到小模型上,目标函数、优化方式和数据...
今天最值得看的 paper,是一篇把后训练里一个经常被默认、却很少被讲清楚的问题直接拎出来的工作。Near-Future Policy Optimization 关心的核心,不是再堆一个更复杂的 RL 框架,也不是去找一个更强的外部 teacher,而是一个非常实际的问题,当 RLVR 或 GRPO 开始进入平台期,模型到底该向谁学。 这篇 paper 最妙的地方,在于它把这个问题回答得既...
今天最值得看的 paper,是一篇把 code generation 里一个经常被掩盖的问题直接摊开来的工作。PlayCoder: Making LLM-Generated GUI Code Playable 关心的重点,不是模型会不会把函数补全出来,也不是 repo benchmark 上多拿几个点,而是一个更接近真实软件的问题,你让模型写出来的 GUI 程序,用户真的能一路点下去、用下去...
今天最值得看的 paper,是一篇把 agent 为什么总像在 demo 里很聪明,落到真实工具世界里却不够稳 这件事讲得很透的工作。Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence 关心的核心,不是再给 agent 多加一点 prompting tric...
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...