Paper2PPT：从一篇论文到可编辑、可追溯 PPTX 的证据优先工作流
Paper2PPT v0.1.0 正式发布：先建立主张与来源的映射，再生成带讲稿、素材清单和三层质量检查的可编辑学术 PPTX。
Academic Paper Search：可复现的多源文献检索工作流
Academic Paper Search v0.1.2 正式发布：同时检索 PubMed、CrossRef 和 arXiv，保留查询、去重、核验、失败披露与引用导出记录。
PaperRefine：论文润色不只是换同义词，而是让主张回到证据边界
PaperRefine 是一个面向已有论文文本的学术编辑 Skill。它先保护数字、引用与 LaTeX，再诊断论证和校准主张，最后输出可核对的修改稿与作者确认项。
SOL ENGINE：把 GPT-5.6 提示词优化变成可审计、可回归的工程流程
SOL ENGINE 将 GPT-5.6 提示词工程拆成审计、最小优化、受控评测和发布门禁，并提供两个无需 API key 的本地确定性 CLI，帮助团队保留真实契约。
WPIRONMAN Chat 正式上线：产品介绍与使用指南
WPIRONMAN Chat 是一个基于 LibreChat 自托管并完成品牌定制的 AI 工作台。这篇文章介绍它为什么被做出来、现在能做什么，以及如何使用模型、文件、Agent 和工具完成真实任务。
我现在怎么做科研：从文献调研、实验到论文写作
这篇文章记录我现在比较稳定的一套科研流程：用 Deep Research 做前期调研，用远程服务器里的 Codex 跑实验，再把日志、结果和引用整理成论文初稿。
我做了一个学术工作流助手：把选刊、前沿跟踪和 AI 预审串起来
如果只把它叫做“投稿助手”，其实已经有点说窄了。 我现在这个项目更接近一个学术工作流助手：它不是只回答“这篇论文投哪”，而是想把研究者从选刊、看前沿、记截稿、管投稿，到做 AI 预审这一整条链路尽量串起来。 这篇文章就顺着这个思路，介绍一下我现在的项目到底在做什么，以及我为什么会把它做成现在这个样子。 1. 这个项目现在是什么 从代码结构上看，它已经不是单端 App，而是一个多端并行的项目： iOS 端用 SwiftUI，目录在 AcademicSubmission/AcademicSubmission/ Android 端用 Flutter，目录在 academic_submission_flutter/ 微信小程序端用 UniApp + Vue3，目录在 academic-submission-uniapp/ AI 预审后端在 deep_research_review_v2/，走的是一条独立的深度评审链路 其中，iOS 端已经不只是一个静态展示壳了。 从 ContentView.swift...
层级结构 + 分布建模 + 原型演化
问题 如果只盯着单个样本去学习表示，特征往往容易被噪声和个体差异牵着走。 这时就需要一个更稳定的语义锚点，去概括一类样本的共性，而不是停留在某一个具体样本上。 在这个意义上，原型可以理解为一种动态演化的语义锚点。 它不是静态标签，而是在层级学习、特征聚合和持续更新中逐步形成的类级表示。 作用 1. 类级表示 经过层级学习和去噪后的特征，会比单一样本的表示更纯净，也更有代表性。 原型正是在这个过程中形成的类级抽象，它能够更稳定地承载类别的核心语义。 2. 对比学习中的监督信号 原型的作用不只是把同类样本彼此拉近，更重要的是把样本拉向类中心。 这样一来，学习目标就从“同类靠近”进一步变成“围绕稳定语义中心聚合”。 3. 分类与迁移的支点 原型还可以承担三类更直接的任务： 语义信息承载 原型包含了这一类的核心特征。 例如，猫的原型可以概括为“有毛”“四条腿”“小体型”等关键属性。 辅助分类 新样本可以与各类原型进行比较，最接近哪个原型，就更可能属于哪一类。 知识迁移 原型并不只服务于单一任务，它还可以在不同任务之间共享，作为已有知识的压缩表达。 机制 如果把原型放到“层级结构 +...
Agentic RL：代码优先，理论辅助的实战法
如果你的目标是“尽快能改训练代码”，最有效的路径不是先啃公式，而是： 先跑通一个最小可运行实现。 直接改 reward 参数，观察策略行为变化。 再回头用少量理论解释你看到的现象。 这篇就是这个思路的实战版本。 1. 先跑通：最小 Agentic RL 脚本 我已经在仓库里放了一个可运行脚本： /Users/wangpeng/博客/Hexo_Blog_Source/tools/agentic_rl_code_first.py 它是一个 code-first 的 Agentic 决策实验（contextual bandit）： ANSWER_NOW：直接回答 USE_TOOL：调用工具再回答 THINK_MORE：先思考再回答 完整数据流非常清晰： Environment 给状态（confidence / tool_hint / complexity） PolicyNet 输出动作分布 REINFORCE loss 更新策略 直接运行： 12cd "/Users/wangpeng/博客/Hexo_Blog_Source"python3...
Agentic RL：veRL AgentLoop 全流程与计算细节（Async Rollout、状态机、Tool-Interaction）
这篇文章对应视频：【[Agentic RL] 14 verl AgentLoop 全流程与计算细节，async rollout 实现，状态机，tool / interaction】（BV18d6sBpEZq）。 我会用“系统 + 数据契约”的方式把 AgentLoop 讲清楚：不是复述视频，而是把你真正会卡住的点拆开，直到你能做到： 读 AgentLoop 相关代码时，能快速定位“当前在数据流的哪一段”。 你能解释清楚：为什么 agent loop 输出必须是交错轨迹（LLM token + tool obs token），以及为什么必须带 response_mask。 你能把“tool / interaction / termination / reward attach”这几个最容易写乱的逻辑写成一套可 debug 的状态机。 系列导航： Agentic RL：系列导航（PG Loss、TRPO、PPO-Clip） 建议先读（否则你会觉得本文有点“infra 细节过密”）： 12 先建立 AgentLoop 的架构直觉（async / sticky...
