Notes on agentic AI, LLM training, and coding agents. 2026-07-10T00:00:00+08:00 https://yuxuan.world/blog/ Yuxuan Zhanghttps://yuxuan.world 2026-07-10T00:00:00+08:00 2026-07-10T00:00:00+08:00 https://yuxuan.world/blog/autoresearch/

AutoResearch 不是一个 benchmark，也不是 RSI 的同义词。这篇用可复现的研究循环、评测器边界与保留集验证，解释什么才算可信的自主研究。

2026-07-10T00:00:00+08:00 2026-07-10T00:00:00+08:00 https://yuxuan.world/blog/harness-engineering/

Harness 不是 prompt 的同义词。本文用工具、状态、权限、预算、轨迹和 evaluator 六个平面，说明如何设计并评估长程智能体系统。

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

一份面向 ClawBench V2 与 WebsiteBench 的设计说明：用自托管状态、动作拦截、独立 verifier 与证据轨，把网页 Agentic RL 变成可验证的实验。

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

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。

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

把 MLS-Bench、AutoLab、EdgeBench、SForge、Terminal-Bench、Harbor、Browser Use 与 Computer Use 放在同一张测量地图上：它们各自负责什么、如何反馈、哪些结论不能互相迁移。

2026-04-29T00:00:00+08:00 2026-04-29T00:00:00+08:00 https://yuxuan.world/blog/coding/

面试速查：2026 年 4 月的 Classic Hot 100 题型地图，以及可手写、可解释的 PyTorch multi-head attention、1D convolution 和 2D convolution 模板。

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

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

A bilingual, interactive deep-dive into hermes-agent, claw-code, codex, opencode, openclaw, and pi — with flowcharts tied to source files and selected line references.