AI Agent、强化学习与大模型前沿研究解读

LaMer 通过跨 Episode 的 Meta-RL 训练框架和 in-context 自我反思，解决 RL 训练 Agent 不会主动探索的核心问题，在多个环境中大幅提升多次尝试的 pass@k 性能。

# 【阅读笔记】ReVeal：让代码 Agent 学会自我验证，而不是依赖环境 > 论文：ReVeal: Self-Evolving Code Agents via Reliable Self-Verification > 来源：https://openreview.net/forum?id=q56ZI1Co43 --- ## 1. 一句话总结 「这篇论文本质上是在解决**RLVR 中"奖...

# 【阅读笔记】LAMER：Meta-RL 让 Agent 学会探索 > 论文：LaMer: Meta-RL Induces Exploration in Language Agents > 来源：https://arxiv.org/abs/2512.16848 > 提交：2025年12月18日，v2: 2026年3月8日 --- ## 1. 一句话总结 「这篇论文本质上是在解决**RL训...

# 黄仁勋 GTC 台北 2026 演讲笔记：Agentic AI 时代已来 > **来源**：NVIDIA GTC Taipei 2026 主题演讲（2026 年 6 月 1 日） > **记录时间**：2026-06-02 --- ## 一句话定调 > "Agent AI 和实用型人工智能时代已经到来。Token 是利润单位，AI 是 GDP 生成器，软件工程师数量正在增加——AI 减...

# Claude Opus 4.8 - infra 架构解读 **作者：dodo** > **原文**：https://www.anthropic.com/news/claude-opus-4-8 > **发布时间**：2026-05-28 > **解读视角**：大模型基础建设架构设计 > **沉淀时间**：2026-06-02 --- ## 一句话核心 Opus 4.8 是一次以**推...