我曾以为，我能将测试用例写得滴水不漏，就能端稳这碗饭。直到行业迭代的浪潮拍过来——那些我引以为傲的“熟练操作”，在自动化工具面前，竟成了最容易被替代的“无用功”。

研究团队提出了一个核心洞察：语言模型的策略实际上是由一系列“内部策略”组成的。你们是否想过在大模型强化学习的场景下，什么是策略（Policy）？实际上，这个和环境交互的大模型策略（Language Model Policy）每次都会产生一个新的token，这个采样的过程本质上是对一个词表上的概率分布进行采样，即，而这个概率分布正好来自于最后一层的隐状态（Hidden States）加解嵌入矩阵（U

工业标准文档因其复杂结构（长篇幅、嵌套条款、多条件规则）导致传统RAG方法效果不佳。研究提出Ontology-aware KG-RAG框架，通过三阶段处理：①构建文档本体树结构；②将条款拆解为原子命题三元组；③图谱精炼优化。该方法在ASTM/API标准测试中，表格题型F1值提升93.7%，有毒条款召回率达0.91，显著优于传统方案。关键技术包括表格条件映射、单位归一化和两阶段检索策略，验证了结构化

更惨的是，等你改完第一步，第二步的假设可能也不对了，又要改，改完第二步，第三步又崩了……

文章介绍两篇2025年最新RL×LLM技术综述，聚焦强化学习在大语言模型全生命周期的应用。从预训练、对齐到推理增强，特别是RLVR（可验证奖励强化学习）技术让模型在数学、代码等领域表现大幅提升，涌现出"自我反思"等能力。文章详细解析了算法演进、奖励设计、策略优化等关键技术，并提供了丰富的开源资源和训练框架，为开发者提供了全面的技术指导。

CATArena是突破性大模型智能体评估框架，跳过传统"跑分"模式，通过棋牌游戏多轮对抗实现AI自我进化。采用三维评估指标：策略编程能力、全局学习能力和泛化能力。实验显示Claude-4-Sonnet表现最佳，且写代码策略与直接推理是两种不同能力，尤其在策略性游戏中代码实现更有效。该框架为评估大模型智能体提供了新范式，强调持续学习适应能力而非一次性答题表现。

今天分享旗下的学术期刊Artificial Intelligence Review最新刊登的文章：《这是一本认识、应用AI Agent的实战指南，系统梳理了智能体的基础知识、构建工具、配置流程与场景实践，面向希望用AI技术提高工作生产力的读者。一方面，内容涵盖基础的技术理论及主流框架的实战方法，详解本地与云端部署、安全合规、持续升级与维护机制等。另一方面，精选多个行业实用案例，覆盖常见业务场景，帮

Agentic-KGR提出通过多智能体强化学习共同进化构建知识图谱，解决静态知识库覆盖缺失、时效滞后和建用分离三大痛点。创新点包括动态schema扩展、检索增强记忆和多尺度提示压缩。实验显示，该方法在图谱抽取任务中F1最高提升8.9%，在下游QA任务中性能显著提升，同时将推理成本降低49%，实现了知识图谱与大模型的共生进化循环。

文章介绍了大模型基座模型岗位的高薪情况，指出应届生薪酬普遍超100万，且比有经验者更受欢迎。这些岗位主要集中在美国和中国一线城市，要求应聘者能够阅读并复现顶会论文。文章强调了论文写作的重要性，尤其是将工作意义讲清楚的叙事能力，并提供了一系列免费论文写作课程和资源，帮助研究者提高论文发表能力。

RAG与智能体技术有交集但功能不同。RAG本质是通过检索获取外部数据输入大模型，只能单向交互；而智能体不仅能获取数据，还能通过工具与外部环境双向交互，自主选择调用工具，甚至影响外部环境。智能体比RAG更强大灵活，应用范围更广，被称为"Agentic RAG"。从成本角度看，RAG技术更简单，但智能体代表了更先进的发展方向。