当前语言下暂无文章。
主题
深度搜索智能体
关于搜索任务合成、轨迹诊断与长程证据获取能力的持续整理。
深度搜索问题地图
深度搜索训练数据的核心问题是如何制造答案出现前的长证据前缀，而不是只把轨迹、hop 数或图结构做长。
阅读文章实现难度与 Shortcut
实现搜索难度由最便宜的 identifying route 决定；四类 shortcut 会把表观复杂任务塌成浅层检索或先验绑定。
阅读文章轨迹签名
用 solving cost、answer hit time 与 prior-shortcut rate 诊断实现难度；长轨迹不等于长答案前前缀，FORT 显著拉长 pre-answer search。
阅读文章FORT-Searcher
FORT 在构造期控制四类 shortcut，用轨迹签名校准可解但搜索重的任务；仅 SFT 的 FORT-Searcher 在同规模开源搜索 agent 中总体最优。
阅读文章主题
Harness Evolution
关于冻结模型如何通过技能库、context engineering、workflow、harness code、评估与权限边界实现外部能力演化的持续整理。
Harness Evolution 概览
Harness Evolution 关注冻结模型如何通过技能库、context、workflow、harness code 与评估闭环积累外部能力。
阅读文章Skill Library
技能库是 harness evolution 的外部程序性记忆层；核心形态包括可执行代码、SKILL.md、SkillRepo 和带测试的 Agent Skills 包。
阅读文章技能生命周期
技能库瓶颈常在 librarian 与评估：AutoSkill / Ratchet / MUSE 管任务技能；MCE、Meta-Harness 与 Self-Harness 则把生命周期问题抬到 harness 层。
阅读文章Skill Curation RL
SkillOS 把冻结 executor 与可训练 curator 拆开，用 grouped task streams 与 composite rewards 从延迟反馈中学习长期技能策展策略。
阅读文章MUSE-Autoskill
ByteDance 的训练无关技能生命周期框架：运行时创建、skill-level memory、单测评估与跨 agent 迁移，在 SkillsBench / SkillLearnBench 上验证。
阅读文章Harness Engineering
Harness engineering 把模型外部的 workflow、context、工具、文件系统记忆、评估与权限控制视为可演化的能力层。
阅读文章Meta Context Engineering
MCE 用双层优化共演化 CE skills 与 context artifacts：meta 层 agentic crossover，base 层以 files/code 做完全 agentic 上下文工程。
阅读文章Meta-Harness
Meta-Harness 用 coding agent 外环搜索 harness 代码，经 filesystem 访问历次源码、分数与执行轨迹，在分类、数学检索与 TerminalBench-2 上超过 ACE/MCE 与手工 harness。
阅读文章自写技能有效性争议
Ratchet 将 SkillsBench 的 LLM 自写技能 null result 解释为 librarian 问题；MUSE-Autoskill 则显示全生命周期 agent 下自建技能仍有正增益。
阅读文章Self-Harness
Self-Harness 让固定模型依据自身失败轨迹提出 bounded harness edits，并用 held-in / held-out 非回归门控筛选可推广的 harness 改动。
阅读文章主题
大模型量化
关于大模型量化基本原理、PTQ/QAT 训练流程、GPTQ/AWQ 与 QLoRA 的持续整理。
大模型量化问题地图
大模型量化的核心问题是如何在降精度省显存的同时控制量化噪声，以及何时用校准式 PTQ、何时回到 QAT 或 QLoRA 训练。
阅读文章线性量化基础
线性量化用 scale 与 zero-point 把浮点映射到低比特整数，粒度与对称性决定精度与算力折中。
阅读文章PTQ 与 QAT
PTQ 在训后用校准或优化压精度；QAT 在训练中插入伪量化并用 STE 适应噪声，精度更高但成本更大。
阅读文章GPTQ 与 AWQ
GPTQ 用 Hessian 做层内误差补偿，AWQ 保护高激活通道；两者都是面向 LLM 的校准式 INT4 权重量化，常见配方为 W4A16。
阅读文章LLM 上的 QAT
torchao / torchtune 的 LLM QAT 通过 prepare 插入伪量化、微调后再 convert，可在 8da4w 等设定上大幅回收相对 PTQ 的精度损失。
阅读文章QLoRA
QLoRA 用 NF4 冻结基座、高精 LoRA adapter 与 Double Quantization / Paged Optimizer，把大模型微调塞进单卡，但不是经典 QAT。
阅读文章FP8 训练 Recipe
FP8 训练靠 TE/MCore recipe 在 GEMM 上用 E4M3/E5M2 或 MXFP8；显存与通信收益取决于 primary weights 与并行策略，不等于推理侧 FP8 PTQ。
阅读文章MXFP4 推理量化
MXFP4 用 E2M1 四比特浮点加每 32 元一块的 block scale，让 gpt-oss 等模型以远低于 BF16 的显存跑推理，并依赖专用 Triton kernel。
阅读文章主题
On-Policy Distillation
关于学生自采样、老师 token 级监督的后训练方法、成功条件与稳定化做法的持续整理。
主题
测试时训练
关于测试时改参数或增加算力以获取新技能的方法，以及它与冻结后训练、ICL、ARC-AGI 测量的边界。
测试时训练问题地图
本 topic 问的是：冻结后的任务技能为什么测不到智力，以及测试时改参数、加算力或做 ICL，各自对应技能获取效率的哪一段。
阅读文章技能获取效率
智力被定义为在给定任务范围上，相对先验、经验与泛化难度，把信息转成新技能的效率；任务技能本身可以被先验或数据买到。
阅读文章通用智能测量
通用基准应控制先验与经验、测量 developer-aware generalization，并只假设人类 Core Knowledge；ARC 是这条契约的 2019 年测量物。
阅读文章测试时参数更新
TTT 把当前无标签测试样本做成自监督问题，先更新共享特征再预测；辅助任务与主任务的梯度需要正相关。
阅读文章