关于 Agentic AI、LLM 训练与 Coding Agent 的研究笔记。 2026-08-11T00:00:00+08:00 https://yuxuan.world/blog/#zh Yuxuan Zhanghttps://yuxuan.world 2026-07-12T00:00:00+08:00 2026-07-17T00:00:00+08:00 https://yuxuan.world/blog/long-horizon-agents/#zh

长程能力不是更长的 context 或 timeout。本文区分长程任务、单题大工程与科学工作流三种任务包络，并把执行状态、计划与恢复整合成一套可推翻的长程 agent 评估协议。

2026-07-10T00:00:00+08:00 2026-07-17T00:00:00+08:00 https://yuxuan.world/blog/web-agent-environments/#zh

一份面向 ClawBench V2 与 WebsiteBench 的设计说明：比较 self-host 网页、live web、桌面与移动环境，并把工具治理、评测完整性与多 Agent 协作纳入同一套可验证的 RL 协议。

2026-07-10T00:00:00+08:00 2026-07-17T00:00:00+08:00 https://yuxuan.world/blog/autoresearch/#zh

把自主研究写成可审计的系统：先用冻结接纳与干净复验定义可信的研究循环，再把深度检索、五条研究主线与项目路线图收束成一张可反驳的证据地图。

2026-07-02T00:00:00+08:00 2026-07-17T00:00:00+08:00 https://yuxuan.world/blog/env/#zh

一张 agent 环境的测量地图：benchmark 与 harness 各自在测什么，world model 何时算环境，合成实例何时值得训练。

2026-07-02T00:00:00+08:00 2026-07-17T00:00:00+08:00 https://yuxuan.world/blog/rsi/#zh

递归自我改进（RSI）不是一个已经实现的二元标签。本文从 Good、Gödel Machine 与当前受限自我优化系统出发，说明应当如何严谨地提出、验证和限制 RSI 主张，并把 Agent Skills 生命周期作为自我改进谱系中受约束、有边界的一端纳入同一框架。

2026-04-29T00:00:00+08:00 2026-07-17T00:00:00+08:00 https://yuxuan.world/blog/rl/#zh

LLM RL 三大核心算法速查：PPO、DPO、GRPO，以及 reward model、critic、online RL、offline preference optimization 的区别。

2026-04-23T00:00:00+08:00 2026-08-11T00:00:00+08:00 https://yuxuan.world/blog/harness/#zh

面向 hermes-agent、claw-code、codex、opencode、openclaw 和 pi 的双语交互式深度拆解，图表对应源文件与关键行号，并并入 harness 工程、agentic RL 与 RL 核心算法笔记。