对抗性审查 基于结构化分歧的落地智能体代码审查
https://arxiv.org/html/2608.18167v1 该论文指出现有Coding Agent代码审查的三大问题：自我检查共享认知盲区、增加Reviewer数量带来噪音与方差、LLM易产生虚假共识。解决方案为Adversarial Review：由Reviewer审查代码，Critic审查Reviewer的判断，并强制分歧必须引用具体代码证据，否则撤销意见；仅用3个Agent便在SWE-PRBench上F1升至0.533，SWE-bench Verified上Pass@1达75.2%，同时token开销约为零样本的4.5倍。
推测解码笔记：草稿校验且不掉质
https://leoniemonigatti.com/blog/speculative-decoding.html 推测解码学习笔记。核心是 draft-then-verify：小草稿机制先提出 3–12 个候选 token，大模型一次前向并行校验，用拒绝采样保住目标分布，所以加速但不降质。直觉是很多 token 很好猜，难的才需要大模型。若整段通过，校验还能顺手产一个奖励 token；中途拒绝则丢掉后面草稿，并从残差分布重采样。文章还串了 Medusa、EAGLE、DFlash、DSpark。这对实时对话和多轮 agent 的延迟瓶颈是正题。
一篇从原理讲到前沿的LLM RL
https://cameronrwolfe.substack.com/p/llm-rl Cameron Wolfe 发了一篇可当手册的长文，从强化学习第一性原理讲到当下 LLM 训练。他覆盖智能体、动作、环境和随机策略 π_θ，再接到指令跟随、对齐，以及用 RL 做推理、知识工作、agent、token 效率和可靠性。文中会走完现在还在用的策略梯度谱系，并链到 RLHF Book、Sutton & Barto、Spinning Up、TRL 等。
有人用RL让Qwen写JS画画
https://surya.website/rling-qwen-to-paint-with-code 实验把 Qwen 当编码模型做强化学习，让它用 JavaScript 画水彩画。没有 Stable Diffusion、Flux，也不调生图 API；每张图背后是模型自己写出的一段代码。原帖说「你就是可以 RL 一个编码模型去用 JS 画画」。中文转述还提到他们给审美做了一套机制。