Do Depth-Grown Models Overcome the Curse of Depth? An In-Depth Analysis
告别“深度诅咒”：谷歌新方法LIDAS让LLM动态生长，训练提速29%！。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
基础模型
AGI FRONTIER
AI前沿分享第33页
深度解读 AI 论文，追踪 Agent、推理、多模态与具身智能的最新进展。
PAPER INSIGHTS
更多论文解读
On the Interplay of Pre-Training, Mid-Training, and RL on Reasoning Language Models
CMU揭秘大模型推理训练“三部曲”：性能飙升60%的黄金法则。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
推理模型训练
UI-TARS-2 Technical Report: Advancing GUI Agent with Multi-Turn Reinforcement Learning
UI-TARS-2：多轮强化学习炼成！达60%人类水平，AI智能体自主操作电脑。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
AI Agent强化学习
The Missing Layer of AGI: From Pattern Alchemy to Coordination Physics
反驳“LLM死路论”！斯坦福提出AGI“缺失层”，用一个公式定义通往AGI之路。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
基础模型
Sparse Attention Post-Training for Mechanistic Interpretability
大模型“瘦身”革命：砍掉99.7%注意力连接，内部电路清晰100倍且性能不降！。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
模型训练模型优化
MaxShapley: Towards Incentive-compatible Generative Search with Fair Context Attribution
RAG归因成本直降8倍！CMU提出MaxShapley算法，让内容贡献清晰可量。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
行业应用
Reconstructing KV Caches with Cross-layer Fusion For Enhanced Transformers
KV缓存减半，性能反超！阿里FusedKV揭示K/V不对称共享新范式。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
基础模型
On GRPO Collapse in Search-R1: The Lazy Likelihood-Displacement Death Spiral
破解AI智能体训练“死亡螺旋”：LLDS让Qwen2.5性能大涨37.8%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
强化学习行业应用
Natural Language Actor-Critic: Scalable Off-Policy Learning in Language Space
Agent训练告别数值奖励：字节跳動NLAC让AI用“人话”指导，性能最高提升24%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
基础模型
Mathematical Framing for Different Agent Strategies
告别炼丹玄学：谷歌用概率统一AI Agent，提出“自由度”新思路。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
AI Agent
Dual LoRA: Enhancing LoRA with Magnitude and Direction Updates
AMD力作Dual LoRA：性能最高提升1.8%！将参数更新分解为“幅值”与“方向”。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
模型训练
DAComp: Benchmarking Data Agents across the Full Data Intelligence Lifecycle
数据智能体“高考”来了！字节跳动DAComp揭示：顶级模型成功率不足20%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
AI Agent数据工程
Better World Models Can Lead to Better Post-Training Performance
AI解魔方新突破：预训练一个“世界模型”，强化学习性能提升40%！。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
模型训练
Algorithmic Thinking Theory
LLM推理的“系统2”觉醒：谷歌、斯坦福联手揭秘“算法思维”理论。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
AI理论
PPTArena: A Benchmark for Agentic PowerPoint Editing
PPT炼狱场来了！新Agent PPTPilot精准编辑，性能超越专有模型10%。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
AI AgentAI评测
LORE: A Large Generative Model for Search Relevance
阿里LORE：电商搜索相关性暴涨27%！大模型训练心法全公开。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
行业应用
In-Context Distillation with Self-Consistency Cascades: A Simple, Training-Free Way to Reduce LLM Agent Costs
Agent推理成本降低2.5倍：斯坦福提出“上下文蒸馏”，免训练让小模型偷师大模型。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
AI Agent模型训练
How Far Are We from Genuinely Useful Deep Research Agents?
千份报告揭示AI研究助手致命弱点：OPPO发布FINDER基准与DEFT分类法。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
AI Agent
DeepSeek-V3.2: Pushing the Frontier of Open Large Language Models
斩获IMO/IOI金牌！DeepSeek-V3.2发布，推理比肩Gemini 3.0 Pro。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
基础模型
CUDA-L2: Surpassing cuBLAS Performance for Matrix Multiplication through Reinforcement Learning
AI当上CUDA工程师：性能超NVIDIA官方库26%，CUDA-L2来了！。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
强化学习AI工程
A Concise Review of Hallucinations in LLMs and their Mitigation
终结AI幻觉：全面剖析大模型“胡说八道”的根源与应对策略。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
基础模型
Stabilizing Reinforcement Learning with LLMs: Formulation and Practices
Token级优化为何能对齐序列级奖励？阿里耗费数十万GPU时，揭秘LLM强化学习稳定之道。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
强化学习
Scaling and context steer LLMs along the same computational path as the human brain
LLM与人脑“神同步”：Meta AI证实模型越大，计算路径越像人。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
基础模型
How Does RL Post-training Induce Skill Composition? A Case Study on Countdown
RL训练的秘密：LLM学会了举一反三，为何却被“先易后难”的结构卡住？。本文系统梳理其研究背景、核心方法、关键实验结果、现有局限以及后续工程实践启示。
模型训练