IQuest-Q1：把架构稳定性、工具强化学习与多专家蒸馏串起来
320B 总参数、15B 激活，工程优势能否跨评测框架成立？
技术报告把 StableSplitNorm、Muon/μP、长上下文中训练、多工具环境强化学习与多专家在线蒸馏组织成完整训练链。值得关注的是训练与部署的系统配合，而不是把单项榜单领先解释为普遍最强。
IQuest Research阅读简报
2026.10.26 简报
每日研究 · 覆盖 2026.10.13 — 2026.10.26
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
Cola2：让连续潜变量负责语义，再把生成结果写回上下文
压缩token后，如何避免潜变量提案与最终文字逐渐失配？
Cola2把语义压缩、连续潜变量生成与离散文本解码拆开训练，并在每个生成块结束后重新编码实际文字。论文的重要边界是：压缩率降低不等于整体计算或延迟同比下降。
HKU · ByteDance Seed · PKU · Renmin阅读简报
OnTrack：扩散语言模型应该在哪一步揭开哪些token？
正确的最终答案，并不意味着这个token现在就可以安全提交
在冻结LLaDA或Dream骨干的前提下，一个小策略网络选择每轮提交的位置。研究把监督标签与训练状态分开控制，发现沿参考轨迹可达的提交目标，比只看最终答案是否一致更可靠。
NTU Singapore · A*STAR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。