从这些报告开始
把 RL 的训练、环境与评分一起做大
把长上下文的能力与代价一起重做
从混合架构到多教师，重新分配每一份计算
最值得学的，是那些没有被采用的设计
阅读进度和笔记保存在当前浏览器。把重要的理解导出，留给下一个问题。
你读过的论文和写下的笔记，会在这里相遇。