📌 本期解析 anthropic 技术博客：《Building agents: When to fold subagents into your main agent loop》，何时把 Subagent 折叠进 Agent Loop？🎯 在 Anthropic 对比的多个企业部署案例中，单个 Agent Loop 的质量经常优于路由多个 Subagent 的设计，成本和延迟也更低。在平台提供

📌 本期解析 M-RoPE 与升级版 Interleaved M-RoPE 的原理，详细图解，建议先阅读之前解析的 RoPE 的原理与代码实现。🎯相关内容已经总结到下方学习笔记中，持续更新！在平台提供大模型一手、原创、深度解析！带给大家更多好玩实践项目。📒 详细解析内容➡️滑图查看！

🎯相关内容已经总结到下方学习笔记中，持续更新！在平台提供大模型一手、原创、深度解析！带给大家更多好玩实践项目。📌 本期解析面试题：ToolUse / FunctionCall 怎么设计更稳定？训练/推理侧如何优化？📒 详细解析内容➡️滑图查看！

📌 本期总结 Multi-Turn Agent 负载下的 LLM 推理优化工作，包括线上 Serving 与 Agentic RL 的 Rollout。🎯相关内容已经总结到下方学习笔记中，持续更新！在平台提供大模型一手、原创、深度解析！🌟 利用 Agent 输出结构的推测解码（agent-structural SD）🌟 工具执行与生成重叠（tool-generation overlap）?

📌 本期解析 DeepSeek 发布的多模态大模型 DeepSeek-V4.1-Flash，相比 DeepSeek V4 结构大改，已经集成先前 DeepSeek 几项实验性技术：mHC/Engram/DSpark，以及 CED/CSA2 的架构创新，本期详细解析🔥

📌 今天解析面试题：SFT训练到什么程度，才值得做RL？

📌 本期解析Qwen3.8-Flash-Next 模型架构（Qwen-4 架构前瞻版本），可以对照 GLM-5.3-Flash 架构理解。📌 包含知识点：🌟 GDN 混合注意力架构🌟 QSA（Qwen Sparse Attention）/ 蒸馏训练 CPT🌟 GR（Gated Residual）🌟 N-gram 嵌入层

📌 今天来解析 DeepSeek 的新论文 Engram，最近 DeepSeek 频发论文，是不是要为发布模型预热📌 论文背景：当前MoE模型通过条件计算实现了模型容量的扩展，但 Transformer 本身缺乏原生的知识检索机制，造成语言任务的动态推理与静态知识检索需求未被有效解耦。🔥Engram 的解决方案：在大模型主干上的一部分Transformer Block中增加一个N-gram单

📌 百度本次开源的模型是在PaddleOCR-VL基础上的升级版 PaddleOCR-VL-1.5，仍然保持 0.9B 的轻量级两阶段任务建模，核心改进点：🌟 布局检测模型架构升级：采用 PP-DocLayoutV3 布局检测模型实现像素级文档元素定位。🌟 训练策略与数据增强：引入强化学习后训练(GRPO)，解决标注风格不一致问题。🌟 推理效率优化：采用异步多线程流水线架构。📌 实验效果

📌 本期 Update 一下大模型强化学习总结篇章，Scope从早期RL算法到最新已经集成到verl/trl框架中的SAPO/GDPO等。📌 围绕大模型RL算法回顾 PPO、DPO、GRPO、DAPO、Dr.GRPO、GPG、GMPO、CISPO、GFPO、GSPO、SAPO、GDPO 的发展历程。