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
...
Motif-2-12.7B-Reasoning：RL 训练配方与全栈优化实践指南
论文标题：Motif-2-12.7B-Reasoning: A Practitioner’s Guide to RL Training Recipes
...
NVIDIA 提出端到端 RL 编排，8B 模型在 HLE 榜单超越 GPT-5
论文标题：ToolOrchestra: Elevating Intelligence via Efficient Model and Tool Orch
...
LayerNorm 真的不可或缺吗？一文读懂超越归一化层的 Derf
论文标题：Stronger Normalization-Free Transformers
论文链接：https://arxiv.org/pdf/2
...
UBC & DeepMind 揭示“短上下文主导”现象：80%的生成任务只需最后96个Token
论文标题：SHORT-CONTEXT DOMINANCE: HOW MUCH LOCAL CONTEXT NATURAL LANGUAGE ACTUAL
...
谷歌 DeepMind & MIT 发布智能体 Scaling Law
论文标题：Towards a Science of Scaling Agent Systems
论文链接：https://arxiv.org/pdf
...
Native Parallel Reasoner: 基于自蒸馏强化学习的原生并行推理框架
论文标题：Native Parallel Reasoner: Reasoning in Parallelism via Self-Distilled R
...