Blog
悟已往之不谏，知来者之可追
科研札记、工程实践与一些生活复盘。
- Jun 27, 2026Agentic RL 综述：工具调用、信用分配与训练稳定性——从 RAP 到 AEPO
梳理 Agentic RL 从树搜索到可训练策略的演进，涵盖 Planner-R1、TORL/ToolRL/ARTIST、GiGPO/ARPO、RAGEN/RAGEN-2 及 AEPO，聚焦 reward 设计、credit assignment 与 reasoning collapse 三大核心问题。
- Jun 05, 2026OPD 如何重构后训练的不可能三角
后训练希望学习信号同时准确、稠密、易得，但现实里很难三者兼得。OPD 提供了一种新的组织方式——在学生自己的轨迹上，把教师、验证器、环境反馈组织成密集监督。
- Apr 24, 2026Training-Free Prompt Optimization：从经验库到问题重构
关于 training-free prompt optimization、GRPO、经验库与 3DrawAgent 的一些思考
-
- Mar 10, 2026Task Vector in Multimodal In-Context Learning 论文阅读笔记
Notes on task vectors, function vectors, in-context vectors, and multimodal in-context learning.