模型觀點 · 本週 商業 （2026-07 預印本）
本篇出自 2026年7月21日 晨報
三種主流「不動模型、只優化 agent 流程」的方法被放進兩階段連續評測：固定測試上三者都贏基準線；新任務進來後分岔，有的跌破基準線、有的停止進步，只有把「回歸控制」（每次優化都驗舊任務沒退步）內建進迴圈的方法，同時做到正向轉移與持續進步（終身平均通過率 76.4%，對基準線 58.7%）(arXiv,2026-07)。保留：勝出方法與論文作者有關聯，數字待獨立重現。可帶走的判準：看到「agent 優化法刷高測試分數」，追問一句——一次性刷分，還是持續複利？與上一條合讀：上 agent 的投資報酬率，取決於流程與回歸基建，不是模型選型。
只留 email，隨時退訂。這是我們唯一想請你做的事。
Stanford 的「平攤評測法」——用「從題目內容預測難度」壓低可靠評測的成本——今天完成定向查證,找到獨立第二證:ICML 2026 一篇論文用同路線做模型能力外推(scali…
Lambert 一年前的「美版 DeepSeek」宣言——2 年、1 到 5 億美元做出權重（模型訓練完的參數檔案）／數據／代碼全開放的前沿模型——本報完成定向查證:專案存在有媒體…
目前後訓練（模型練完基礎能力後、再教它怎麼答題的階段）的主力方法 RLVR（可驗證獎勵的強化學習：只在數學、程式這類有標準答案的任務上給模型獎勵）有個結構性盲點：它只優化「可以客觀…
SemiAnalysis 在同篇 AMD 實勘裡給出一組第一手工程觀察：2.5 名工程師配上 AI 編程代理，就能完成過去一整組人才做得完的新模型「發布日支援」：代理自動抓設定、跑…