亚马逊AWS AI实验室的研究展示了如何利用强化学习（RL）高效定制多轮AI代理。该方法的核心在于利用现有环境模拟器和基于可验证真实情况的稀疏奖励函数，即使使用小模型（如Qwen2.5-32B-Instruct）和小训练数据集（仅72个示例），也能将任务完成率从39.20%大幅提升至72%。实验覆盖了个人助理代理（AppWorld基准）和代理式RAG场景，详细阐述了包含在线模拟器和在线RL训练器的

今日收录 7 篇文章，精选 6 篇，另有 13 条 KOL 推文，覆盖 nesbitt、simonwillison、MarkTechPost、aws、Towards Data Science 等来源。

今日收录 3 篇文章，精选 2 篇，另有 10 条 KOL 推文，覆盖 Simon Willison、Towards Data Science、MarkTechPost 等来源。

文章基于数百个客户的企业级优化经验，系统性地提出了16条减少Dependabot警报噪音的具体策略。核心实践包括引入30天的“依赖冷却期”以过滤短期波动、延长更新检查间隔、要求跨职能团队审查关键更新，以及通过fork关键依赖、直接vendor化或从版本控制中移除lockfile等方式来掌控核心依赖。作者还建议使用包别名、合并项目为monorepo，甚至用GitHub Copilot Autofix

苹果研究团队提出了一种创新的分层记忆增强预训练架构。其核心思想是将海量的长尾世界知识存储在独立的参数化记忆库中，而让一个相对较小的语言模型作为“锚点”，专注于掌握通用知识和推理能力。实验表明，一个 1.6 亿参数的模型通过从 460 亿参数的记忆库中动态检索 1800 万个记忆块，其性能可媲美参数翻倍的常规模型。该方法在万亿 token 规模上得到验证，并展示了扩展到超过 210 亿参数的潜力，且

精排模型架构的范式革新：今日多篇论文聚焦于精排模型架构的深度创新，核心在于解决模型规模扩大（Scale-up）时的效率与效果瓶颈。字节跳动提出的 Zenith 通过 Prime Token 与 Tokenwise 处理范式，系统性论证了维持“令牌异质性”是实现更优缩放定律的关键。这标志着精排模型设计从简单的堆叠层数/参数，转向对特征交互单元（Token）的精细化、差异化处理，为工业界大规模精排模型设计提供了新范式。; 生成式推荐从概念走向落地：生成式推荐正从学术探索快速演变为工业级解决方案。Ap

基于今日论文，我们观察到以下技术趋势：; 生成式推荐迈向工业化落地与基础模型构建：今日多篇高评分论文均围绕生成式推荐展开。快手OneRec开源了首个推荐基础模型全栈框架，验证了推荐领域的Scaling Law；阿里高德SCASRec将生成式推荐成功应用于路线列表推荐，线上收益显著；美团DOS则聚焦于语义ID生成这一关键组件，带来了线上收入提升。这表明生成式推荐已从学术探索进入大规模工业实践阶段，核心挑战从“能否生成”转向“如何高效、高质量、可扩展地生成”。; 端到端统一范式挑战传统多阶段Pipe

生成式推荐范式全面落地：今日论文呈现一个清晰趋势：生成式推荐（Generative Recommendation）正从学术探索全面走向工业大规模部署。阿里巴巴（高德、淘宝）、Apple、百度、Meta等头部公司均展示了其端到端生成式模型在召回、排序、重排等核心环节的成功应用。这些工作不仅验证了生成式范式在效果上的优势（如超越传统序列推荐、提升多样性），更通过一系列工程优化（如NEZHA的加速解码、GRAB的STS训练）解决了推理延迟、训练稳定等核心瓶颈，标志着该范式已进入成熟应用期。; 全链路与

基于今日论文，我们观察到以下技术趋势：; 生成式推荐范式走向成熟与系统化：今日多篇高评分论文均围绕生成式推荐展开。快手S²GR提出了分步语义引导推理，将推理过程与语义ID的层次结构对齐；Apple则将QAC任务重新定义为端到端列表生成，并融合RAG与多目标DPO对齐。这些工作表明，生成式推荐正从简单的序列生成，演进为融合推理、对齐、检索增强的系统化工程范式，并在工业场景中验证了显著收益。; LLM落地工业排序：效率与效果的深度权衡：LLM在排序中的应用面临巨大的推理成本挑战。LinkedIn的M

告别ID，拥抱语义：推荐基础架构的范式革新：今日多篇论文聚焦于用更稳定、可泛化的语义表征替代传统的Item ID。字节跳动的TRM框架用语义Token解决大模型规模化瓶颈，Google的LLP方法用聚合标签比例替代个体标签。这反映了业界在构建更稳定、可扩展的推荐基础模型上的共同探索，旨在解决ID动态性带来的训练不稳定、冷启动和知识遗忘问题。; 对齐训练与推理：生成式推荐的实用化攻坚：LLM-as-Rec的落地面临具体挑战。浙江大学的工作精准定位了SFT训练目标与Beam Search推理策略之间

精排模型规模化与效率的协同进化：今日多篇论文聚焦于如何在保证线上推理效率的前提下，突破精排模型规模化的瓶颈。字节跳动Zenith提出Prime Token和Tokenwise参数化，解决模型加深时的表征同质化问题；IBM的Landmark Pooling则从序列表示层面优化长文本检索。核心思路都是通过精巧的架构设计，而非简单的参数堆叠，来实现更优的“性能-效率”权衡。; 生成式推荐范式的多元化演进：生成式推荐正从单一的自回归解码范式，向更灵活、高效的并行生成范式演进。阿里巴巴的MDGR创新性地引

序列建模的规模化与工程化：今日多篇论文（如Meta的LLaTTE、快手的EASQ、字节的MERGE）共同指向一个趋势：推荐系统的核心模型（尤其是排序）正从“设计精巧的模型”转向“可规模化扩展的工程系统”。核心驱动力是Transformer架构和长序列建模带来的巨大效果红利，但必须通过创新的系统架构（如两阶段异步计算、参数隔离、动态索引）来突破在线延迟的硬约束。工业界正系统性地探索推荐领域的“缩放定律”。; 高质量稀疏信号的价值挖掘与对齐：传统推荐严重依赖稠密但嘈杂的行为代理信号（如点击、时长）。