WRITING
把过程留下来。
这里保留研究与工程中的问题、取舍和转折。旧记录注明日期,与新的工作介绍分开阅读。
中国科技公司的 Agent 工具地图:先学会用,再谈收集
第一版覆盖阿里、腾讯、字节、百度、华为五家公司下的六条产品线。按官方Skill、MCP、CLI入口与适合练习的任务整理,明确哪些只是文档核验,哪些还需要实际接入。
MCP、Tool、Skill、CLI:从一次真实任务拆开四个概念
同一个“查文档、整理结论、写回飞书”的任务,可以经过不同的调用路径。把执行动作、连接协议、操作入口与任务方法分开,就更容易判断该接什么、该学什么,以及出错时该改哪里。
DSH 插件进化:我们为什么一遍遍重写 loop?
从修改提示和工具,到管理插件职责、修正采用目标,再到把日志归因接回下一轮计划。回看这些版本,我越来越觉得,真正需要研究的是系统怎样从一次失败中学到下一次值得做的修改。
Earth Agent 后记:越改越稳,为什么换一批题却更差?
最值得写下来的进展,是几个原本让人放心的结论后来站不住了。从五例探索、十五轮配置搜索,到专项插件融合与九十题回顾性测试,这篇文章重新梳理预测器、研究循环和数据边界。
AutoHarness 的搜索空间:怎样把失败归因变成可执行修改
工具用错、结果误读、跨轮遗忘都可能表现为同一个任务失败,却需要修改不同位置。本文从“对象 × 修改面”拆解 AutoHarness 的搜索空间,解释类型化配置与原生插件如何装配、为什么执行顺序也是算法的一部分,以及 222 对任务运行怎样揭示总分背后的改善和退步。
实验看板怎样支持研究?从一个平均分下钻到一次模型请求
运行进度回答“做到哪里”,配对结果回答“哪里变了”,原始请求回答“为什么可能改变”。围绕长程自进化实验,本文拆解工作台的数据实体、角色交接和恢复机制,讨论如何让图表保持可追踪,以及为什么浏览器刷新不应改变正在观察的实验。
把语言模型接进游戏环境:观测、动作协议与协作分析
语言模型接入环境时,最先改变任务的往往是接口:它看到了哪些状态,多久决策一次,输出怎样变成实际动作。本文结合九种 MPE 环境与 Football 的 19 类动作映射,讨论语义观测、动作解析和行为回放如何决定一次协作评测能说明什么。
多人评论怎样变成实验?科研工作流的阶段路由与恢复设计
科研讨论常常停在评论里,而执行过程又散落在聊天和本地文件中。飞跃会尝试把两端接起来:保留评论出处,按研究阶段组织反馈,通过明确产物恢复工作,并在关键节点等待人工审阅。本文关注意见如何变成实验,以及系统怎样避免“已经同步文档”被误读成“已经完成研究”。
从视频到任务成功:拆解 RoboWM-Bench 的动作恢复与判定器
一段机器人视频看起来合理,不代表其中的动作能够完成任务。本文沿着视频、动作恢复、仿真执行和成功判定四层拆解 RoboWM-Bench,结合公开任务代码和论文数据,讨论最终分数怎样受到整条测量链路影响,以及阶段成功率应该怎样读。
奖励曲线上升,策略就进步了吗?RewardWeaver 的双层适配机制
同一条轨迹,仅仅更换被奖励的能力集合,总奖励就可能上升。RewardWeaver 将策略训练与奖励选择拆为两个循环:固定能力定义,动态选择训练重点。本文从奖励计算、适用性状态和公开消融数据出发,讨论怎样区分训练信号变化与任务能力改善。
一道题怎样被可靠地修好?教育飞轮的内容版本与反馈闭环
一道 OPT 页面置换题的答案始终是八次缺页,解析却把第六次访问误写为第五次。修复这一个位置,牵涉的不只是改一句话:旧作答还对应哪版题目,新解析是否增加题数,反馈怎样进入下一轮生成?本文从这个实际修订拆解题库、求解、审题与推荐之间的数据关系。
给 AI 会话做一个本地工作台:增量采集、主线绑定与摘要写回
找回一段旧问答只是起点,持续使用时还会遇到未结束的回答、跨项目关联和过期摘要。回声用原始输入、手写主线和共享档案组织这些状态。本文讨论数据关系、增量采集与异步写回,解释一个本地工具怎样在来源持续变化时保留人的整理。
Earth Agent:预测更准了,究竟是谁的贡献?
早期五案例研究:拆开模型推理、固定公式与辅助模态的作用。保留当时的改善与局部退步,后续泛化问题和数据边界已在新文中更新。
插件进化:让智能体修改运行方式,而不只改提示词
将一次失败落实到运行时的具体位置:是在调用之前缺少约束,还是在工具返回之后丢失事实?围绕这条判断,构建诊断、插件生成、真实评测、版本选择和复盘的持续闭环,并把 Telecom 实验中的机制提取为可接入其他环境的系统。
数学备课助手:技能带来的究竟是内容质量,还是交付能力?
把高中数学备课拆成教学目标、命题约束、结构化试卷、学生与教师版本、交互课件和审读流程,再用同模型首轮对照检查定制技能的真实贡献。结果显示交付结构明显不同,但两组都出现具体数学错误;模板收益、内容质量和教师节时需要分别衡量。
把数学推理做成动画:从割线到切线的连续表达
数学视频最难的部分,是让画面变化承担推理。以导数与切线课程为例,拆解如何将脚本、语音提示、公式状态和几何运动绑定到同一时间轴,以及为什么“趋近于零”不能在动画里偷换成“等于零”。
失败一定属于模型吗?从四个案例审计评测系统
智能体成绩来自模型与评测系统的共同作用。围绕 τ²-Bench 的任务说明、模拟用户、环境状态和评分器,整理四类语义不一致案例,并建立从完整轨迹到首次决定性分歧、再到单变量反事实的诊断方法。
暂时没有匹配的笔记。