字节 Seed 新作：通过辅助损失实现 MoE 专家与路由器的紧密耦合 (ERC Loss)
祝大家新年快乐～
论文标题：Coupling Experts and Routers in Mixture-of-Experts via an Auxi
...
Bottom-up Policy Optimization: 自下而上的策略优化——语言模型内部潜藏的子策略
论文标题：Bottom-up Policy Optimization: Your Language Model Policy Secretly Cont
...
Google DeepMind 新作：自回归模型中的涌现时间抽象实现了分层强化学习
论文标题：Emergent temporal abstractions in autoregressive models enable hierarch
...
被牺牲的元认知：效率导向优化如何改变了模型的推理结构
论文标题：Schoenfeld’s Anatomy of Mathematical Reasoning by Language Models
论文链
...
Who is Adam? 重新审视大模型 RLVR 阶段的优化器选择
博客标题：Who is Adam? SGD Might Be All We Need For RLVR In LLMs
博客链接：https://w
...
代码大模型的 Scaling Laws：编程语言差异性与多语言混合策略研究
论文标题：Scaling Laws for Code: Every Programming Language Matters
论文链接：https:
...
从 0.5B 到 72B：揭秘 RL Post-Training 中的计算、数据与模型规模权衡
论文标题：Scaling Behaviors of LLM Reinforcement Learning Post-Training: An Empir
...
【深度专访】Gemini 3 预训练负责人：我们不再只是构建模型，而是构建 AI 系统
前言
在 AI 圈，Gemini 3 的发布无疑是一次巨大的飞跃。然而，在其惊人表现的背后，研发团队究竟经历了什么？Google DeepMind 的内部研
...
为什么 RM 总是学不好推理？揭秘 BT Loss 中被忽视的“距离偏差”
论文标题：WHEN DISTANCE DISTRACTS: REPRESENTATION DIS-TANCE BIAS IN BT-LOSS FOR R
...
QwenLong-L1.5：长上下文推理与记忆管理的后训练方案
论文标题：QwenLong-L1.5: Post-Training Recipe for Long-Context Reasoning and Memo
...
