字节跳动 Seed、南京大学与 Evolvent AI 合作提出「论文展开」管线：保持论文原文逐字不动，用教师模型反向重建写作请求、全局规划与逐节写作前的思考，把整篇论文展开为多轮生成轨迹用于持续预训练。1.8M 篇 arXiv 论文的 30B token 原文被展开为 57–60B token 轨迹，中位文档长度从 11.2K 提升到 28–29K token。同一反向构造还产出 200K 样本 SFT 数据集与 2,940 题的 PAW-Bench 学术写作基准。受控实验（同预算纯论文文本对照）证明增益来自「构造」而非论文内容：写作四项平均 54.34 对纯文本 52.12/无 CPT 51.90，推理不降反稳，长文档理解提升；且 4B 小生成器的语料最难拟合（loss 1.453）却下游最好——生成器越弱、数据越难拟合，收益越大。

深度精读 UC San Diego 的评测方法论论文——当开放式输出（ToM 信念追踪、开放域 QA）遇上「有限参考集+匹配器」的评测管线时，未匹配的输出被记为假，会产生代理标签并直接反转 proper-score 校准排名。论文用固定内容、只换标签源的识别设计证明：同一批 259 条信念，参考标签下 EG 探针领先 0.227，盲评真值下反落后 0.152，六个场景全部反转；已发布的 NQ-open 真实管线同样反转。机制上 90% 以上失真来自被省略的真值，单参数 π 修正即可恢复符号。本文拆解这条「识别—分解—闭合判据—预算修复」的完整证据链。

南洋理工大学 S-Lab 联合 A*STAR、UIUC 提出 Visual Rubrics-Based RL：把视觉忠实性从「事后评测指标」转变为「细粒度 RL 训练信号」。方法将参考答案分解为视觉忠实性/推理一致性/指令遵循三维原子评分条目，构建 5 万例训练集，并用组件化+前缀局部化的优势分配改造 GRPO。在同 SFT 起点、同 RL 数据、同预算的受控对比下，比 answer-only GRPO 再提 1.79 分，增益集中于依赖接地中间推理的基准。

NTU 牵头、20 个机构 50 余位研究者共建的 VBVR-Pro，为「原生视觉推理」——把视觉生成当推理介质本身——建立了可训练、可验证、可优化、可受控比较的闭环测试床：300 个程序生成任务（347 万图+130 万视频）、100 个任务的确定性奖励评分器（人类对齐超 GPT-5.5 且完全可复现）、30+ 生成器受控比较。训练使 9 个开源模型平均 +0.29 并在 7 个外部基准迁移 +28 分级别；RLVR 优于 RLVLM；三面证据链证明「视觉轨迹比语言 CoT 更关键」是范式级发现。

实时语音助手至今没有一套像样的记忆系统：文本 Agent 记忆动辄 top-100 检索、2–3 秒延迟，而语音对话只给得起 500 毫秒预算和 5 条记忆的空间。南洋理工、新加坡国立、清华、港中文联合团队的 VoiceMem 用「双脑」架构解题：左脑以 schema-entity 两级索引把候选池收窄到稠密子集，让 top-5 检索达到别家 top-100 的精度；右脑用独立/跨实体双节点分别建模稳定人格与情境情感；四阶段流式查询把检索藏进 VAD 静默窗——134ms 完成检索、零感知延迟。信息记忆均值 76.39 超最强基线 +10.6，token 省 4.4 倍；还贡献了 53 小时音频的 ChatMem-Bench 与首批带显式记忆访问的语音语言模型。

LLM 多角色工作流中，上游确立的安全约束（如“未获审批不得执行“）经摘要、计划、工单等交接变换传给下游后，是否仍然“说话算数“？深圳大学团队提出“操作性状态保持“概念并设计阶段分离受控实验：1296 个主实验 episode 中，直接交接对照 100% 保持约束，而正常级别的交接压缩使约束失活率达 100%、违规执行 54.2%；恢复全部四个状态字段则将两者归零。下游验证可在不改工件的情况下消除违规（0%），证明工件修复与端点遏制是互补的系统功能层。核心发现：语义可用不等于操作保持——内容还在，约束力没了。

深度精读深圳大学 + 中科院深圳先进院论文：把 LLM 结构化输出失败分解为「值放错位置」（structural）与「值本身错误」（content）两种模式独立测量，发现跨 6 个模型一致的「结构先退化」剪刀差——前沿模型在最复杂任务上仍放错 24-35% 的值而小模型达 74%；机制消融指向语义捷径而非拓扑寻址；SA-RLVR 把结构感知奖励用于 GRPO，VPA 从 0.26 提到 0.63 而 SFT 仅 0.28。

今日66篇候选论文深度阅读后聚焦25篇高新颖性工作：Recuris递归记忆演化让长程任务幻觉完成下降86%，Meta^n在ARC-AGI-2成为唯一非零自改进系统，Station开放世界环境刷新kissing数d=11纪录至604；产业侧中国开源双响炮——Qwen3.8-Flash（125B-A6B）与GLM-5.3-Flash（320B-A18B）同日发布，OpenAI Jalapeño芯片实测每瓦吞吐1.7×于GB300，Claude记忆全面打通聊天与Cowork。企业+高校合作趋势显著：复旦+腾讯、清华+MIT+NVIDIA、ServiceNow+Mila等8组产学研联合占据今日精读名单三分之一。

一集面向技术读者的Kimi K3技术报告领读播客，嘉宾孙宇涛（清华计算机系博士生、上海创智学院pre-doc，研究方向LLM架构与预训练）从K3出发串联起十多篇前作，把KDA线性注意力的每一项公式还原成RetNet→Mamba→DeltaNet→Gated DeltaNet的历史叠加，讲清channel-wise衰减、low-rank dk与BF16 tile的kernel co-design，MLA+QK-norm式门控的稳定性逻辑，Latent MoE对通信开销的削减，以及Quantile Balancing如何用线性规划一步求出负载均衡bias。预训练侧K3反潮流回归cosine decay、在混合注意力里用NoPE让长上下文免调参外推；后训练侧on-policy蒸馏成为多teacher多reward的「多模型合板」方案。嘉宾的暴论：大模型架构没有本质创新了，K3最核心的变量是size——2.8T总参、百B激活、K2的2.5倍scaling效率，而把size做work才是真创新。

今日焦点：Agent 评测与 harness 优化成为绝对主线——SWE Refactor Bench 命名行为评测 Blindness 盲区（最强模型全仓库迁移仅 47/100），Prime Agent 证明同一模型仅换 harness 即把 ARC-AGI-3 从 30% 推到 95.5%，LongWoF-Bench 用 778 个可验证任务证明只有’验证器确认的执行经验’才能稳定提升 8.7~15.5pp；Skill 注入被证明平均是负收益；产业端 OpenAI 自研推理芯片 Jalapeño 能效号称达 GB300 的 104 倍，苹果 M6/M5 Ultra 将数千亿参数模型搬上桌面，Qwen3.8-Flash-Next 预告开源 Qwen4 架构。