Xudong Han

真实实验太贵怎么办？ 先让 Agent 在自己的历史轨迹里「做梦」几百遍，再决定下一步把算力花在哪里。 这篇 Dream-RSI 做的就是这件事。 每次真实探索后，系统会把走过的分支、失败方案、评测结果和计算成本保存成一棵 Discovery Tree。 这些历史随后被重组成一个 Replay Simulator。Agent 可以在里面低成本尝试新的搜索策略，比如先探索哪条路、什么时候并行、什么时候停止，而不用重新执行真实实验。 选出更好的策略后，再放回真实环境继续探索。新的轨迹又会进入模拟器，形成下一轮自我改进。 有意思的是，底层 Coding Agent 始终没变。 真正持续…

这次真不是夸张了，ICLR 2027 的投稿量已经有点失控。 今年稀缺的可能已经不是论文，而是 Reviewer 的时间😂。

LangChain 这篇「Jev-as-a-Judge」是关于 Jev 的很好的实践。 每次 Agent 改完一版，分数涨了，我们不知道到底是它变强了，还是裁判这次手松了？ LangChain 在文章里讲它测了一个很实际的问题：让 Jev 给 Agent 打分，能不能更快、更便宜，也更稳定。 做法很直接，把 Agent 的回答和工具调用等信息交给 Jev，让它按标准返回分数或通过／不通过。它直接输出判断和概率，省去了逐字生成评语的过程。 实验中，Jev 平均每次评估耗时 0.44 秒，成本约 0.00035 美元。更值得注意的是，同一份回答反复打分，它的评分方差只有几款对照模型的 1/…

AI Coding 现在很容易出现一种情况，系统已经做出来了，人却还没真正搞懂。 这篇文章里的读者几乎没有 CS 基础，却靠 LLM 搭出了 API、数据库、LLM Pipeline 和多模型 Workflow。 真正开始生产化以后，问题来了。 修掉一个 Bug，又冒出另一个。最后他意识到，自己做出来的系统，复杂度已经超过了自己的理解能力。 因为软件一直依赖抽象，我们本来就不需要理解所有底层。但以前至少还能慢慢建立一张「这东西为什么能工作」的脑内地图。 现在 AI 可以让系统以机器的速度变复杂，而这张地图依然只能以人的速度建立。 作者有句话我很认同，资料和老师已经不再是最大的瓶颈，…

很认同。论文当然还在读，但 research loop 的主时钟已经变了。 当 Agent 可以并行复现、写代码或者跑实验后，人稀缺的能力会更集中在提出好假设、设计验证，以及判断下一步该往哪走。 以后研究效率的差距就藏在这个闭环里。谁能更快提出假设、完成实验、做出判断，谁就能更快往前走。 这也会慢慢改变我们对好研究员的定义。