● openJiuwen 社区又上新： JiuwenSwarm 给 Harness 装上「后训练」

📌 一句话摘要 openJiuwen 社区开源了评测驱动的 Auto Harness 框架，通过双层架构（Meta Harness 改基座、Expert Harness 加扩展）实现 Agent 外部执行系统的自动化优化，补上了 Agent「后训练」的关键拼图。 📝 详细摘要 本文介绍了 ope

● 22.9 倍加速！FlashAR：仅用 0.05%数据，让预训练好的自回归图像模型飞起来

📌 一句话摘要 FlashAR 提出一种轻量级后训练加速框架，通过为预训练自回归图像模型新增垂直预测头和对角线并行解码，仅用 0.05% 原始数据即可实现最高 22.9 倍加速，且生成质量几乎无损。 📝 详细摘要 本文介绍了由浙江大学和阿德莱德大学联合提出的 FlashAR 框架，旨在解决自回归

● 从 KL 的方向看 SFT 与 RL：大模型到底是在”学会做”，还是在”学会选”？

📌 一句话摘要 本文从 KL 散度的方向性出发，深入剖析了 SFT（Forward KL）与 RL（Reverse KL）在大模型后训练中的本质差异，并延伸讨论了传统蒸馏与 on-policy distillation 的区别。 📝 详细摘要 文章以 KL 散度的非对称性为切入点，系统阐述了 F

● 时薪 800、学历硕士起：大厂热抢的 AI 数据“炼金师”到底在做什么？

📌 一句话摘要 本文通过采访两位从业者，揭示了大模型时代数据标注行业的分化：一边是高薪、高专业要求的专家数据标注，另一边是仍具流水线性质、薪资普通的创意类标注。 📝 详细摘要 文章聚焦大模型时代数据标注行业的结构性变化。传统认知中低门槛、机械性的数据标注工作，正因后训练阶段对高质量、专业化数据的

● ACL 2026 Findings | 浙大提出 GFT：On-Policy SFT 视角下的奖励微调

📌 一句话摘要 浙大团队提出 GFT 框架，从训练动力学角度将 SFT 改造为 on-policy 的奖励微调，通过组内优势学习和动态系数修正解决 SFT 单路径依赖和梯度不稳定问题。 📝 详细摘要 本文是浙大团队在 ACL 2026 Findings 上发表的工作 GFT 的技术解读。文章从训

● 无惧 Off-Policy 偏移！Bengio 团队解绑后训练，大模型 RL 提速 50 倍

📌 一句话摘要 Bengio 团队提出 TBA 异步框架，通过解耦采样与训练并引入轨迹平衡目标，使大模型 RL 后训练最高提速 50 倍，同时保持或提升性能。 📝 详细摘要 本文解读了 Bengio 团队在 NeurIPS 2025 提出的 TBA（Trajectory Balance with

● 前 OpenAI 研究员离职文章核心观点提炼：后训练、评估、对齐与 AI 依赖风险

📌 一句话摘要 一位前 OpenAI 研究员离职后撰文，提炼了关于后训练前沿、评估方法影响力、模型人格塑造、AI 依赖风险及对齐问题的新视角。 📝 详细摘要 该推文提炼了一篇由前 OpenAI 研究员撰写的深度文章的核心观点。文章指出，随着基础模型能力增强，下一个前沿在于后训练阶段；创建正确的评

● DeepSeek-V4 技术报告解读: 从架构到 Infra 的全栈重构

📌 一句话摘要 DeepSeek-V4 技术报告深度解读，聚焦百万上下文基础设施重构、CSA/HCA 混合注意力架构、Specialist+OPD 后训练范式以及 Agent 训练基础设施的四根支柱。 📝 详细摘要 本文是对 DeepSeek-V4 技术报告的深度解读，核心叙事是将百万 toke

● AI 真能搞钱了！这家公司把大模型玩成闭环赚钱机器

📌 一句话摘要 零犀科技通过自研因果大模型和 RaaS（按结果付费）商业模式，在保险、金融等垂直领域用 AI 销售智能体帮客户创造确定性业务增量，并在 2025 年实现规模化盈利与正现金流。 📝 详细摘要 本文深度报道了零犀科技如何在大模型行业普遍烧钱的背景下，走出了一条差异化的商业化路径。核心

● AI 真能搞钱了！这家公司把大模型玩成闭环赚钱机器

📌 一句话摘要 零犀科技通过自研因果大模型和 RaaS（按结果付费）商业模式，在保险、金融等垂直领域用 AI 销售智能体帮客户创造确定性业务增量，并在 2025 年实现规模化盈利与正现金流。 📝 详细摘要 本文深度报道了零犀科技如何在大模型行业普遍烧钱的背景下，走出了一条差异化的商业化路径。核心

● 小米罗福莉深度访谈：AI 范式向 Agent 后训练巨变

📌 一句话摘要 小米大模型负责人罗福莉详解 2026 年 AI 竞争焦点从预训练转向 Agent 后训练，以及 OpenClaw 框架的战略价值。 📝 详细摘要 本推文详细摘要了小米大模型负责人罗福莉的技术访谈。核心观点包括：AI 竞争已进入第二幕，焦点从预训练转向 Agent 后训练（RL S

● 138. 对罗福莉 3.5 小时访谈：AI 范式已然巨变！OpenClaw、Agent 范式很吃后训练、卡的分配、组织平权

📌 一句话摘要 小米大模型负责人罗福莉首次深度技术访谈，详解 2026 年 AI 范式从预训练向 Agent 后训练巨变，以及 OpenClaw 框架如何通过群体智能和开源生态重塑研究效率与组织方式。 📝 详细摘要 本期播客是小米大模型团队负责人罗福莉的首次深度技术访谈，系统性探讨了 2026

● The Art of Efficient Reasoning: 大道至简做好思维链压缩！

📌 一句话摘要 本文深入探讨了基于 Reward Shaping 实现大语言模型高效推理（思维链压缩）的实验观察与核心洞见，总结了在 Qwen3 系列模型上实现 20-40% 思维链压缩同时保持性能的关键策略与陷阱。 📝 详细摘要 文章围绕一篇名为《The Art of Efficient Re

● Hugging Face 发布 TRL v1，开启开源模型后训练新时代

📌 一句话摘要 Hugging Face 正式发布 TRL v1，这是一个包含超过 75 种方法的综合性库，支持包括 SFT、DPO 和 GRPO 在内的开源模型后训练。 📝 详细摘要 Hugging Face 的 CEO Clement Delangue 宣布了 TRL v1 的发布。这次重大

● Intercom 新推出的后训练模型 Fin Apex 1.0 在客户服务解决率方面超越了 GPT-5.4 和 Claude Sonnet 4.6

📌 一句话摘要 Intercom 推出了 Fin Apex 1.0，这是一款专为客户服务打造的后训练 AI 模型，声称在解决率、速度和成本效益方面优于通用前沿模型。 📝 详细摘要 Intercom 推出了 Fin Apex 1.0，这是一款专为客户服务设计的专有 AI 模型，公司声称其在解决率和

● 通过“监控敏感训练”（Monitor Sensitive Training）教导模型构想更好的监控机制 — LessWrong

📌 一句话摘要 本文介绍了“监控敏感训练”（MST），这是一种新型的后训练技术，通过在数据中添加“监控标签”来引导模型行为并改善对齐，证明了其在减少政治偏见和谄媚行为方面的有效性。 📝 详细摘要 本文提出了“监控敏感训练”（MST），这是一种旨在通过在训练数据中增加“监控标签”（即明确描述每个样

● [AI 新闻] 上下文干旱

📌 一句话摘要 本文介绍了关于受硬件限制的 LLM 上下文窗口的“上下文干旱”理论，并回顾了智能体记忆、后训练研究和系统优化方面的主要 AI 进展。 📝 详细摘要 文章提出，由于物理内存（HBM/DRAM）短缺，LLM 上下文窗口可能会在 100 万 token 的水平停滞多年，行业已进入“上下

● Garry Tan 重申 AI 后训练不存在“规模化瓶颈”

📌 一句话摘要 Garry Tan 强调，在强化学习 (RL) 领域，扩展基础设施和数据仍能带来显著的 AI 能力提升，且尚未触及性能上限。 📝 详细摘要 Garry Tan 引用 kuchaev 的技术更新指出，AI 行业在后训练阶段尚未遇到“瓶颈”。引用的内容详细介绍了一个统一的多环境 RL