DSec（DeepSeek-AI + 清华大学）提出一套面向规模化 Agentic RL 训练的可扩展沙盒基础设施。它用三大支柱解决「海量环境、高密度资源、按需镜像」的难题：可组合环境层（overlayfs + EROFS，把 O(mN) 镜像数降到 O(m)）、高密度资源管理（virtio-pmem+DAX+DAMON+核调度，microVM 峰值内存降 40.2%）、3FS 按需镜像加载，并把 Agent 循环与可抢占 GPU 解耦以支持弹性训练。实测 8192 容器突发比 eager Docker 快 1.71×、磁盘写少 57%，规模达 300 万沙盒/日、峰值 38 万并发、>5000 个/秒创建。本文按九部分结构精读其架构、关键技术与实验，并通过外部检索交叉验证 serverless 沙盒（SAND/RunD）与 RL 训练基础设施（AgentGym/AgentScale）等相关工作。
DeepSeek-V4.1-Flash 用三件武器把长上下文智能体的部署成本打下来：CED 非对称架构让 prefill 只激活 8B 参数（decode 16B），CSA2 跨层 KV 复用 + FP4 量化把全局 KV 缓存压到 890 字节/token（较 V1 降 437 倍），SWA Bounded Replay 把持久化缓存再压到 1/8。在 Codeforces 3348→3471、DeepSWE v1.1 达 74.2% 的同时，45T token 多模态预训练完全开源。本文拆解其架构因果链与’智能体负载第一性’的设计哲学。
围绕 DeepSeek Harness 发布后两天破十万 Star 的现象，三位从业者从「一切皆插件」的架构设计、模型与 Harness 的深度协同、极简模式与缓存命中率的技术原理，聊到程序员岗位转型、开源生态与国产算力差距。核心判断：Harness 是 AI 时代的脚手架，插件化+开源让社区共建成本降到极低，模型与脚手架会互相塑造，而程序员的护城河正从写代码转向定义需求与验收结果。
LLM Agent 走向跨会话长程任务后，记忆系统能否跟上不断被修订的世界状态？UIUC Jiawei Han 组把「状态追踪」从「事实回忆」中剥离：答案必须反映当前状态而非被取代的旧状态。论文先证明「状态漂移」在检索完美时仍是最大失败源，再发布 StateMemBench——234 个多会话场景、闭集三分评分，把漂移答案显式放入干扰池；随后提出显式追踪取代与依赖的 StateMem，在 DeepSeek-V4-Flash 上把准确率从 0.205 提到 0.363（1.8 倍），并以单次调用 Wrapper 给六个记忆后端带来 +32 到 +67 点提升。精读覆盖定义、构造、机制与根源解释。
三位背景互补的AI博士——在读多模态方向的“两两”、临毕业做医疗AI的“十四”、入工业界两年半的“罗克”——对谈近期AI大新闻与真实就业：Token与人力的成本真相、泡沫论的时间表、开源闭源之争与Anthropic为何遭恨、DeepSeek护城河的组织学解释，以及大厂、研究所、高校的薪资行情与“赛博土木”警告。三人难得达成的一条共识是：优秀的硕士并不比博士差，增量机会在AI加制造、医疗等落地场景。
《晚点聊》编辑部红浩与曼奇复盘"蒸馏"这一没人愿意公开谈论的技术竞赛：典型蒸馏是有门槛的"抄答案"，含账号运营、数据管线、防中转站反被坑等系统工程；张一鸣为何禁止字节蒸馏——“只能逼近不能超越"加上组织激励代价；Anthropic如何用行为指纹识别2880万次"史上最大规模蒸馏攻击”；学生能否超越教师仍是开放问题；以及比蒸馏更大的问题——智能供需错配下"够用了"的模型正在改写定价逻辑。
北大与 DeepSeek-AI 合作的 88 页长文，为「插件系统、自进化 Agent Harness」这类动态组合软件给出了第一个完整的编程范式级形式化基础：把经典效应系统提升为可逆效应、把协同效应系统提升为响应式协同效应，统一成一个递归上下文类型，再配上动态组合演算与全套元理论（保持性、恢复精确性、活性、合流性），实现为 Cordis 元框架并在 Koishi（4000+ 社区插件）上验证。本文按背景、定位、问题、解法、评估、根源解释、知识反推、通用灵感八个层面完整拆解。
DeepSeek V4 Pro登场，中国开源模型连续逼近前沿能力，迫使黄仁勋牵头组建美国"开放安全AI联盟"，Sam Altman、Sundar Pichai等闭源掌门人罕见支持。这期硅谷101系统拆解了AI"开源"到底开的是什么——从七步训练流程到Open Weights与Open Source的本质区别，以及许可证之争、开源公司如何赚钱、闭源阵营的安全担忧与商业焦虑。
当大语言模型需要同时掌握数学、代码、科学、逻辑多种推理能力时，SFT（监督微调）和 RL（强化学习）会表现出截然相反的行为：SFT 在多阶段训练中因梯度方向冲突而性能崩溃，RL 却因为「优势归一化 + on-policy 采样」产生的近似正交更新而稳定共存。本文通过参数级几何分析和高维浓度不等式，首次从理论上揭示了「SFT 干扰是范数受限的、RL 干扰是方差受限的」这一本质差异，并提出 Parallel-RL 范式——各任务独立 RL 后合并参数，在 DeepSeek-R1-Distill-Qwen-1.5B 上实现 ΔBase +10.7%、Retention 103.2%。本精读将从零讲清 SFT/RL/GRPO 的机制差异，建立「方法差异→参数更新几何→理论边界→指标提升」的完整因果链。
月之暗面K3开源权重发布震动硅谷，开源模型首次在多项能力上追平甚至超越最强闭源前沿模型。两位嘉宾——前Hugging Face开源生态负责人王铁镇和TinyFace联合创始人TJ——深度拆解了"蒸馏"争议的技术真相、中国开源模型为何成本更低、Kimi License商业模式对闭源实验室估值体系的冲击，以及开源模型安全之争的真正焦点。核心判断：没有开源，才是这个时代最不安全的事情。