叶子的技术碎碎念

Agentic Reinforced Policy Optimization 智能体强化策略优化 具备可验证奖励机制的大规模强化学习(RLVR)已证实其在挖掘大语言模型(LLM)单次推理任务潜力方面的

GUI-G^2: Gaussian Reward Modeling for GUI Grounding GUI-G^2：基于高斯奖励建模的图形用户界面定位 图形用户界面 (Graphical User

LLM 刚开始火热的时候，有个词非常热门，叫做提示词工程，甚至有各种网文声称市面上可能会招聘大量的提示词工程师，当初在一些招聘网站上倒是也的确能搜索到这样的岗位。但随着大模型技术的发展和应用复杂度的激

A Survey of Context Engineering for Large Language Models 大语言模型上下文工程研究综述 大语言模型 (LLM) 的推理性能本质上取决于其所接收

随着大语言模型（LLM）能力的持续扩展，研究者和开发者逐渐意识到，若要真正迈向通用人工智能（AGI），模型不仅需要强大的语言生成能力，更应具备长期一致性、知识演化能力与用户个性化适配能力。因此，越来越

Scaling RL to Long Videos 将强化学习扩展至长视频处理 我们提出一个端到端框架，通过强化学习将视觉语言模型(VLMs)的推理能力扩展至长视频领域。针对长视频推理的独特挑战，我们

前两天刷微博无意间刷到了一位老师转发的关于大模型做推荐系统的论文，这是 Walmart AI 团队近期发布的一篇论文：《ARAG: Agentic Retrieval-Augmented Genera

GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement Learning GLM-4

Drag-and-Drop LLMs: Zero-Shot Prompt-to-Weights 拖放式大语言模型：零样本提示到权重 现代参数高效微调 (Parameter-Efficient Fine