<aside> 💡

汇总

1. 一种数据集混合的策略：OP-Mix
2. 如何证明LLM在训练数据 $D^i$ 上训练过？https://arxiv.org/pdf/2307.00682
3. 如何训练多轮推理能力？https://openreview.net/pdf?id=S9QsJ1Po4W， REGEN，REGEN-2
4. CUA数据管线与训练环境：CUA-Gym
5. Train-inference mismatch对performance究竟有多大影响？KPop训练策略
6. 更贴近人类学习的学习范式：pedagogical rl
7. A社的NLA工作：https://transformer-circuits.pub/2026/nla/#introduction
8. 什么是evaluation-awareness？https://arxiv.org/abs/2510.20487
9. METR的前沿风险报告：https://metr.org/risk-report-feb-mar-2026.pdf
10. 理论上可处理无限上下文的Recursive LM如何训练？https://www.alphaxiv.org/blog/reinforcement-learning-for-rlms
11. 与2相关， </aside>