2025 8

8.1

• [2507.21892] Graph-R1: Towards Agentic GraphRAG Framework via End-to-end Reinforcement Learning
  • 一篇基于在Graph Rag上做强化学习，提高问答质量的工作
  • 但是个人觉得没有解决需要高质量的Rag图的问题，只是增强模型在Graph rag上探索的能力
• TestSprite - Homepage
  • AI for software testing

8.5

• [2507.21509] Persona Vectors: Monitoring and Controlling Character Traits in Language Models
  • 人格向量来控制LLM的情绪，对于人格or情绪模拟技术有价值
• [2508.00819] Beyond Fixed: Variable-Length Denoising for Diffusion Large Language Models
  • Diffusion LLM的一种动态调整生成长度的方案，通过计算最后一个token生成EOS的置信度，来判断是否要调整生成长度
• https://n8nchat.com/
  • n8n的AI辅助工具，用来快速地查询节点功能和参数

8.7

• https://arxiv.org/abs/2508.03680
  • 微软开发的一个agent训练框架，将agent执行和训练解耦开，可以在几乎不影响原有agent代码的情况下对于agent进行训练，因此也天然适配LangChain等大量agent框架，其自称是Any Framework
• [2508.02193] Seed Diffusion: A Large-Scale Diffusion Language Model with High-Speed Inference
  • 字节开发的Diffusion LLM，目标侧重代码生成，以及生成的速度提升

8.8

• https://github.com/google/langextract
  • 这是Google开发的一个用于做文本信息提取的，从大规模文本中提取结构化数据，开源，其效果类似一个完整的Rag产品
• [2508.04604v1] TURA: Tool-Augmented Unified Retrieval Agent for AI Search
  • 关于Tool Search的一个解决方案，较为复杂
• [2508.03923] CoAct-1: Computer-using Agents with Coding as Actions
  • 关于Computer-use，除了GUI方案之外还做了编程工具，会将任务分配导代码agent和GUI agent上，更好地实现Browser use
• [2508.03012] Tool-integrated Reinforcement Learning for Repo Deep Search
  • 字节的一篇关于代码库问题定位的工作，用了微调和RL，并且提供了一个数据集，是来自Github仓库+Issues，随后是人工筛选之后的结果
  • 拒绝采样微调：是指在模型上做某个任务，去掉其中失败的轨迹，使用成功的次数进行微调的方案

8.12

• [2508.05629] On the Generalization of SFT: A Reinforcement Learning Perspective with Reward Rectification
  • DFT，动态调整SFT的梯度反馈，使其可以达到RL的泛化性

8.14

• [2508.08221] Part I: Tricks or Traps? A Deep Dive into RL for LLM Reasoning
  • 关于RL的各种config做了很多的消融实验，一篇比较好的综述来判断如何在RL中选择合适的配置

8.22

• [2508.14704] MCP-Universe: Benchmarking Large Language Models with Real-World Model Context Protocol Servers
  • 关于LLM使用MCP的一个Benchmark，设计了十几个不同领域的MCP，观察LLM调用的能力