02
Apodex-1.0：把验证变成 Agent 团队的内在行为
统一运行时如何托管深研、编码与证明三类 heavy-duty 任务，并用团队结构突破单 Agent 的可靠性上限。
9 篇研究手记
在 LLM 系统持续移动的边界上，留下可复查的笔记。
以论文为锚点，追踪 Agent、评测与自我改进系统。少看榜单，多看机制；少记结论，多留判断依据。
本期封面2026.07
- Context
- Workflow
- Harness
- Weights
按研究脉络筛选
文章索引
↗
03
Rubric 化评测：把“好不好”拆成可核验的标准
为什么标量分数不够用，以及结构化标准如何贯穿评测、奖励建模与推理时控制。
04
QUEST：一棵 Rubric 树训练通用深研 Agent
统一任务合成、上下文压缩与异步 RL，让 2B–35B 模型共享同一套深研训练配方。
05
Co-ReAct：让 Rubric 在每一步参与协作
Rubric 不再只是事后打分器，而是在 ReAct 分支点生成标准、核验行为并触发重试。
06
MiroThinker H1：交互伸缩之后，验证成为主线
局部验证每一步、全局验证整条证据链，把“更多工具调用”升级为更可靠的重型研究流程。
07
Marco DeepResearch：三层验证如何托起 8B Agent
从数据合成、轨迹构造到测试时扩展，逐层堵住深研系统中的误差传播链。
08
DR Tulu：让 Rubric 跟着策略共同进化
用搜索增强的动态规则与判别力筛选，为开放式长文研究构造持续有效的奖励信号。
09
MiroThinker：模型与上下文之外的第三条 Scaling 轴
把交互深度视作独立扩展维度，用长程 ReAct 轨迹研究工具调用如何转化为任务能力。
内容经署名整理自下方参考项目，遵循 CC BY-SA 4.0；页面设计由 LLM Compass 独立完成。 zhoujx4/llm-atlas