今天最值得看的 paper，我会选 Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails。 论文研究一个很容易被低估的问题：当 agent harness 已经针对某个模型优化过，再用强模型的成功轨迹微调这个弱模型，效果会怎样？ 答...

今天最值得看的 paper，我会选 Miles v0.1: Production-Level Post-Training。 Miles 是一套面向 frontier post-training 的开源 full-stack system。它把 rollout、trainer、weight synchronization 和异步执行放进同一套架构，并用一个足够有分量的 case study ...

今天最值得看的 paper，我会选 Unlocking Lossless Speedups in LLMs via Discrete Diffusion。 作者提出了一类 diffusion-augmented LLM，并将模型命名为 Uno。它保留标准 autoregressive LLM 的训练和输出分布，同时增加一组轻量 diffusion weights，一次并行提出多个 toke...

今天最值得看的 paper，我会选 Iris: Climbing to the Search Frontier。 Iris 训练了两个 search agent：35B-A3B 的 Iris-mini，以及 397B-A17B 的 Iris-pro。论文的价值不只在 benchmark 分数。它把 task synthesis、trajectory filtering、SFT、online...

今天最值得看的 paper，我会选 Terminal-Universe: Turning Agent Trajectories into Scalable Terminal Environments。 训练 code agent 时，trajectory 已经积累了很多，真正稀缺的是可以反复执行、产生反馈、继续提出新任务的 environment。一条 trajectory 只记录一次 i...

今天最值得看的 paper，我会选 Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills。 Agent 做 ML research 时经常卡在一些很具体的地方：某个 package 的 API 怎么组合，training config 有哪些隐含约束，evaluation script 如何跑通，失败后该检查什么。模...

今天最值得看的 paper，我会选 From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix。 大公司的内部 LLM 平台很容易长出一个 model zoo。两百多个应用各自选择当时最合适的模型，新模型持续上线，旧模型又因为迁移成本迟迟...

今天最值得看的 paper，我会选 Does On-Policy Distillation Really Distill? From Noisy Teacher to Self-Improvement。 On-policy distillation（OPD）看起来像一种更密集的 RLVR。Student 先采样 trajectory，teacher 再给每个 token 提供 advant...

今天最值得看的 paper，我会选 LoopArena: Benchmarking Models as Runtime Controllers for Loop Engineering。 长时间运行的 coding agent，真正困难的部分经常发生在每一轮 coding 之间。 当前实现做到什么程度？进度说明有没有过期？某个局部 test 通过，是否足以证明整个任务完成？下一轮应该继续...

今天最值得看的 paper，我会选 TTPO: Test-Time Policy Optimization。 它研究一个很棘手的问题：没有 ground-truth label，模型还能不能在 test time 继续训练自己？ 最直接的办法是对同一道题采样很多条 rollout，用多数票当 pseudo-label。可是在 competition math 这种高难度数据上，多数票经常...