2026 年面向 LLM 的 RL 方法总结：从 PPO 到 DPO 到 GRPO，再到多智能体 RL¶
📊 Level ⭐ | 5.4KB
本页原内容在 2026-09-07 质量闭环中判定为 thin-0.75，已按导航页（MOC）重建； 原文备份见
_archive/hub-rewrite-2026-09-07/2026-llm-rl-algorithms-deeplog-imba-ppo-dpo-grpo-marl.md，一手来源仍见下方 sources。
机制与论文¶
- The Bitter Lesson versus The Garbage Can — 苦味教训对组织流程路径
- Scenethesis（ICLR 2026）英伟达 & 普渡大学用 Agent 闭环实现文生 3D — Scenethesis四阶段闭环，碰撞率6.1%→0.8%
- OPD 重新审视失败模式与简单修复 — OPD失败模式诊断+低成本稳定实现
- The distillation panic — 蒸馏术语政策分析
- Introducing 1-bit and Ternary Bonsai Image 4B: Image Generation for Local Devices — 1-bit/ternary量化图像生成规格
- Introducing 1-bit and Ternary Bonsai Image 4B: Image Generation for Local Devices — Bonsai Image 4B量化帕累托外推3664字全版
- 从零构建大语言模型 —— 读完这篇你就懂了 — LLM教程七章
- Yann LeCun 谈 LLM 不是智能与世界模型 JEPA — 5738字最全JEPA论证
工程实践¶
- 数据级 Harness：架构师 JiaGouX 解读 Anthropic 95% 数据分析与 5 个反直觉边界 — 数据级harness解读
- 高德 Marketing AutoResearch：AI Native 营销增长经营托管框架 — 营销经营托管
- 存之有序，治之有矩——Agent 记忆系统的工程实践与演进 — 写入纪律prompt cache冲突
- AgentOps: Operationalize agentic AI at scale with Amazon Bedrock AgentCore — 四支柱解析版
- Anthropic Institute《When AI builds itself》深度解读：AI 进入 AI 研发执行层、瓶颈迁移与研发级 Harness（架构师 JiaGouX） — 解读短条borderline
- 构建无服务器Kiro调度平台：用Kiro CLI + EventBridge + ECS Fargate实现定时AI任务 — 定时AI任务7x24
- 长期运行的 Agent 怎么管：Hermes 治理分层与 5 张卡 — don't automate slop+5张卡治理
- Secure AI agents with Policy and Lambda interceptors in Amazon Bedrock AgentCore gateway — Cedar策略+Lambda拦截器双模式
- 阿里云 MSE AI 任务调度 + Agent Sandbox：动态休眠/唤醒 OpenClaw Agent 成本下降 90%+ — 休眠唤醒短条borderline
- Amazon Quick integration with time-series databases for market intelligence using MCP — 集成短条
- Claude Code 泄露后的漏网之鱼 claude-code-best 这两个月到底演进了什么 — 社区fork演进短条
- How my non-engineering team at Sentry learned to ship — CMS不对称驱动2500页迁移+Sentry Cookbook
- Democratizing Machine Learning at Netflix: Building the Model Lifecycle Graph — Model Lifecycle Graph
- 小刘商业 Agent 增强层通用基座 — 基座+增强层论点短条
- 本地 vs 云端 Agent 的现场之争：当下选本地，终局云端（行小招） — 当下本地终局云端的现场判断
- 我把 Karpathy 的 AutoResearch 搬到了软件开发领域，效果炸了 — AutoResearch迁移软开+交叉审核