R2S：会完成任务的老师，为什么给拖延打高分？
把教师的接管经验蒸馏回逐 token 评分器，修复多轮智能体的短视监督。
R2S 发现教师自己能完成任务，却可能在逐 token 蒸馏时放过学生的无效搜索与拖延。它从学生失败轨迹中寻找分歧状态，让教师接管，再用成功续篇校准教师对原学生轨迹的评分。价值在于改善监督者，而非单纯换一个更大模型；“无奖励”仍依赖可观察的完成信息或评审。
Shu Zhao、Tan Yu阅读简报
2026.10.22 简报
每日研究 · 覆盖 2026.10.08 — 2026.10.22
以下为当期记录；研究详情页展示最新已核对信息。
3 项工作
AKV：保留对话记录，只裁剪正在注意的 KV
智能体缓存成为可编程状态，服务端必须记住缓存操作的先后顺序。
AKV 将智能体的完整文字历史与活跃 KV 缓存分开：保留消息，删除较早工具结果的 KV，再复用仍在缓存中的状态。它同时提供策略接口与 SGLang 服务实现，减少重新预填充的成本。关键难点是缓存携带过去上下文，同样的剩余文本并不对应同样的 KV。
清华大学 thu-nics 团队阅读简报
Lafa：把连续流草稿交给模型自己的 AR 校验
块内连续去噪、块间因果缓存与自推测解码，如何兼顾质量和速度？
Lafa 将连续流语言模型扩展到7B和8B，在同一模型中联合学习块去噪和自回归预测。连续流负责批量提案，AR负责逐项验收，融合验证与下一轮起草减少前向次数。论文最高2.54倍吞吐来自单H100、batch1特定设置，公开权重目前为块长4，不能直接套用块长16的最高速度。
UC Berkeley、Amazon、KAIST、CMU阅读简报
人物与观点
0 条该期没有收录这个领域的人物动态。