2026

当时只道是寻常。关于那些跑过的带状公园、散落的朋友与再无暑假的人生。

当 AI Advisor 介入科研闭环：探索模型自主迭代与专家反馈的真实边界。

七篇 Post-Training 论文串读：在 Outcome Reward 与 Full Reference 之间，如何用特权信息与动态量规打破困境。

从成本、生成机制到现实困境：Auto Research 离全自动科研还有多远？

从信息不对称、容量间隙到轨迹修正与信号净化：系统复盘 2026 上半年 On-Policy Self-Distillation (OPSD) 的核心痛点与改进工作。

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。

关于 training-free prompt optimization、GRPO、经验库与 3DrawAgent 的一些思考

探讨在远程连接服务器时使用 Cursor、Copilot、Claude Code 等 AI 工具的优缺点及网络转发配置方案

顺着技术演进路线，从 task vector 一路走到 activation steering，看我们离理想的上下文学习还有多远。

Notes on Leetcode

Notes on LLM algorithms

从零配置 Claude Code 走第三方 API，含 CC Switch 本地代理、CLI 与 VS Code 插件统一接入、排查命令和迁移清单

Log of experience in AAAI2026