模型觀點 · 本週 趨勢 （發表 07-20 前後）
本篇出自 2026年7月22日 晨報
RLM 框架論文的作者 Alex Zhang 提出：精心設計的任務編排（模型外圍的迴圈、工具調度邏輯）能把表面不同的任務化成相似的執行軌跡，使短任務訓練泛化到 8 至 32 倍更長的任務(X / @a1zhang,07-20)。評論者 swyx 補上陰暗面：不必直接拿測試題訓練，只要用「長得像測試題」的資料訓練，就能刷出好看的分數——同一機制既是能力來源、也是評測污染來源(X / @swyx,07-21)。保留：8-32 倍出自單篇論文、未經獨立重現。可帶走的一問：看到 agent 分數暴漲，先問漲在模型還是漲在編排。
只留 email，隨時退訂。這是我們唯一想請你做的事。
Stanford 的「平攤評測法」——用「從題目內容預測難度」壓低可靠評測的成本——今天完成定向查證,找到獨立第二證:ICML 2026 一篇論文用同路線做模型能力外推(scali…
Lambert 一年前的「美版 DeepSeek」宣言——2 年、1 到 5 億美元做出權重（模型訓練完的參數檔案）／數據／代碼全開放的前沿模型——本報完成定向查證:專案存在有媒體…
目前後訓練（模型練完基礎能力後、再教它怎麼答題的階段）的主力方法 RLVR（可驗證獎勵的強化學習：只在數學、程式這類有標準答案的任務上給模型獎勵）有個結構性盲點：它只優化「可以客觀…
SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑…