OSReward：建立跨平台计算机使用奖励模型的标准化评估基准
🧭 计算机使用Agent奖励模型评估
The University of Hong Kong · Nanjing University · National University of Singapore · University of Science and Technology of China · Xi'an Jiaotong University
揭示VLM评判器普遍存在宽松偏差，并推出低成本开源奖励模型OS-Shepherd实现可靠自动化评估
📌 工作参考价值（3 点）
- 警惕LLM-as-Judge中的宽松偏差：在电商搜索、推荐系统的离线评估或RLHF reward模型中，若直接使用商业VLM作为评判器，可能系统性地将失败案例误判为成功，需通过构建类似OSReward-Hard的对抗样本集进行可靠性校准。
- 用reasoning标注蒸馏小型评估器：借鉴OS-Shepherd的思路，收集专家推理标注的评估数据集，训练7-9B的小模型替代GPT-4o等大模型作为评估器，实现30-60倍成本下降，同时保持高一致性，适合大规模线上监控或离线评估。
- 多维度细粒度评分设计：可迁移OSReward-Multi的评分框架，在推荐业务中将评估分解为效率、对齐、多样性等子维度，便于定位Agent或推荐策略的具体短板。
Kimi K3：开源前沿智能体——2.8T参数MoE模型与强化学习实践
🧭 大规模 MoE 模型前沿训练与强化学习 ★ 深度解读
Moonshot AI
开源2.8T参数MoE模型，融合KDA、AttnRes和Stable LatentMoE架构，通过多领域多推理努力强化学习达到封闭前沿水平
📌 工作参考价值（4 点）
- 强化学习训练范式：部分回滚（partial rollout）方案允许长周期任务跨迭代训练，对搜索 / 推荐系统中基于用户长期反馈的强化学习优化具有直接借鉴意义。
- 多教师在线蒸馏（MOPD）：将多个领域、不同推理努力水平的专家策略融合为单一模型的技术，可应用于合并不同排序目标的推荐模型（如点击率、转化率、多样性等）。
- 推理部署优化：全后训练阶段集成的量化感知训练（QAT）及 EAGLE-3 投机解码微调，可降低大模型推荐 / 搜索推理成本，对线上部署有实际工程价值。
- 长上下文架构设计：KDA 与 Attention Residuals 的混合注意力可高效处理超长序列，可迁移至用户行为序列建模，支持更长行为记忆和更精准的长期兴趣提取。
交互式训练2：实时模型训练的可审计控制平面
🧭 交互式训练控制平面
University of Waterloo · University of Wisconsin-Madison
提供开源控制平面，通过共享协议让人类和智能体对训练过程进行实时、可审计的操控
📌 工作参考价值（4 点）
- 在线训练动态调参：在电商推荐模型持续训练中，可以借鉴其声明式暴露学习率、dropout 等设置，让算法工程师或自动调参 Agent 通过统一接口实时调整，无需重启训练任务。
- Agent 驱动的训练编排：将训练控制能力抽象为 Action（如保存检查点、回滚、切换数据源），LLM Agent 可根据监控指标自动决策并提交请求，例如检测到 loss 异常时自动触发回滚和告警，适合广告模型频繁迭代的场景。
- 审计与复现：所有控制请求和结果按时间线记录，可回溯谁在何时做了何种干预，满足工业级模型训练的合规与排障需求，类似模型版本的 Git 日志。
- 工程实现参考：其“训练循环负责安全控制点”的设计模式可直接复用，在现有训练框架中插入轻量级控制平面，避免多控制器并发冲突，保证状态一致性。
面向德语与英语的主权开源混合MoE Mamba Transformer基础模型
🧭 MoE 混合架构 · 多语言主权开源
Fraunhofer IAIS · Technische Universität Darmstadt · DFKI · L3S Research Center · KI Bundesverband
混合MoE与Mamba架构激活3B参数即匹配14-27B稠密模型，长上下文吞吐大幅领先
📌 工作参考价值（4 点）
- MoE与Mamba混合的恒定缓存设计，适合高并发长序列推理，可直接迁移至推荐系统用户长期行为建模，减少线上推理成本。
- 通过故意上调目标语言（德语）的数据采样权重，显著提升下游性能，对于多语言电商推荐场景，可借鉴该策略强化小语种或特定领域效果。
- 完全开放训练数据配比、超参与评估代码，为构建自有可控的业务基础模型提供了可复现的工程范式，适合对数据主权有要求的企业。
- 模型在代码相关任务上突出，若业务需处理搜索词解析、规则匹配等代码生成，可作为微调基座。
AOHP：面向个性化、高效、安全交互的开源OS级代理框架
🧭 OS级代理原生支持
Tsinghua University · Peking University · The University of Hong Kong
将AI代理视为一等OS角色，通过个性化服务组合、高效接口与安全信息流，提升任务完成率21.12%，降低51.55% token成本
📌 工作参考价值（4 点）
- 移动端Agent架构设计：将Agent作为OS一等公民的思路可直接用于电商/购物助手App，实现跨应用（如搜索、商品详情、支付）的无缝服务组合，提升用户转化。
- 降低LLM调用成本：高效代理接口通过系统级能力暴露减少对LLM的频繁调用，在需要多步推理的推荐场景（如对比商品、下单建议）中可显著节省token消耗。
- 敏感数据安全控制：细粒度信息流隔离机制适用于处理用户支付、地址等隐私数据，在推荐系统集成支付或用户画像查询时可借鉴其权限分级策略。
- 真实环境评测基准：开源的AOHP平台可作为移动端Agent能力评测的测试床，用于验证搜索推荐Agent在Android系统中的实际表现与安全合规性。
WebChallenger：基于结构化页面表示与分治策略的高效通用 Web Agent
🧭 Agent 架构优化 · 认知脚手架 ★ 深度解读
ML Collective · longsurf.ai · Independent
通过 PageMem 页面结构化表示与三大认知机制，用开源小模型无微调达到逼近闭源大模型的 Web 任务成功率
📌 工作参考价值（4 点）
- 结构化页面表示 PageMem 可直接复用到电商 Agent：将商品列表页拆分为导航栏、商品卡片列表、筛选面板等语义段，每段缓存摘要和交互元素，后续任务复用，大幅降低重复解析成本。
- 分治观察流水线：先让 Agent 浏览段摘要，只选择任务相关区域展开详细信息；在推荐业务中可避免把整个商品详情页 token 堆进 prompt，聚焦价格、评价、库存等关键信息。
- 离线探索 + 持久记忆：对目标网站预先遍历构建 PageMem 地图和元素行为记录，Agent 在执行任务时直接拿书签和菜单跳转信息，类似 RAG 中的预先索引；适用于长期运行的购物比价 Agent。
- 复合动作工作流：将下拉选择、表单提交等多步交互封装为单个 Agent 动作，内部自动处理局部状态变化（如菜单展开），避免每步重新观察全页；在电商搜索、下单、多轮筛选场景能显著减少决策步数和 LLM 调用
Orchard：开源可扩展代理建模框架
🧭 Agent ★ 深度解读
Microsoft Research · Columbia University · UIUC
提出轻量级环境层 Orchard Env 实现跨领域、跨训练阶段的 SFT+RL 代理训练，在 SWE-bench 和 GUI 基准上达到开源最优