RL 高质量数据：数据形式、成本结构与模型蒸馏
本文从数据形式、成本结构和蒸馏方法三个方面，梳理 RL 高质量数据为什么昂贵，以及训练团队如何从已有模型迁移能力。
AI Exploration¶
Agent Harness 评测
本文区分模型、Harness 与可执行环境，再把 Harness 拆成 Runtime 和 Knowledge Harness，以此梳理资产评测、横向比较与生产验证的方法。
3rd evaluations
本文围绕 Codex 第三方评测，记录 Harness、资源预算、标准化比较和可信评测证据等关键问题。
AI Agents
本文整理 AI Agent 的阅读与学习笔记，讨论 Agent 和 Workflow 的边界、常见编排模式以及 Agent Evaluation。
如何评估测试集？
本文讨论如何衡量 LLM 测试集的覆盖率与质量，以及新增测试用例能否为已有测试集合带来有效增量。