Agent 自进化的数据底座：阿里云 SLS Session Store
阿里云 SLS 推出 Session Store，将接入的 OpenTelemetry Trace / Log 解析、关联为标准化的 Trajectory 执行轨迹，把任务输入、模型与工具交互、执行结果及运行指标组织在一起。
#数据/训练
阿里云云原生精选AI 评分5050
腾讯技术工程精选AI 评分7272 从 BERT、GPT 到 Jev：一文看懂大模型架构的演进与分化
文章梳理 Transformer 以来大模型架构的演进，指出 BERT、T5、GPT 三条路线的实质差异在于注意力可见范围和预训练任务。文中分析 2026 年 9 月 TypeSafe AI 发布的 Jev 在 prefill 后不进入 decode，直接读出各选项概率，并对照开源项目 Laya 说明去掉生成不难、难的是底层网络的理解能力。
推荐理由：文章把 BERT、GPT 到 Jev 的架构差异落到注意力可见范围与输出方式两点上，便于读者理解判断类模型与生成式 LLM 的分工。
高德技术精选AI 评分7272 高德发布ABot-ER：具身大脑，不该只会一招！用“数据—模型自进化”解锁一脑多能
高德视觉技术中心推出统一具身推理模型 ABot-ER，以智能体驱动的数据—模型自进化引擎将模型错误转化为下一轮数据需求，并用任务条件化训练协调多任务学习。单个 9B 权重在十二项具身推理基准上取得综合 SOTA，其中 RoboVQA 达 71.79、Cosmos 达 68.96、VABench-P 达 63.33。
推荐理由：高德开源五种规模的具身推理模型与训练数据，读者可了解其数据与模型自进化的训练方法。
阿里技术精选AI 评分7272 手把手带工程同学从零实现一个完整的 LLM（CS336）——Transformer 篇
阿里技术作者以工程背景学习斯坦福 CS336 课程，跟随 Assignment1 从零手写一个 Llama 风格 decoder-only Transformer，并逐模块拆解实现。
推荐理由：作者以工程背景从零手写 Transformer 各模块，并附参数量与 FLOPs 核算，可作为理解 LLM 底层结构的实操参考。
阿里技术精选AI 评分7272 深度解析 RSI：当 AI 开始实现自我迭代提升
阿里技术系统梳理了 RSI（递归自我改进）的概念边界，指出它与 Agent 自进化、持续学习的关键区别在于改进必须由 AI 自身完成。
推荐理由：文章把 RSI 从概念争议到 DGM、SEAL、AlphaEvolve 等代表工作串成一条线，并给出可复用的六步闭环框架。
腾讯技术工程精选AI 评分6262 三万字长文：大语言模型从零入门
腾讯技术工程发布近三万字长文，用猜数字和“他口渴了，于是喝了一杯____”等同一组例子，从预测下一个 token、熵与交叉熵讲到神经网络、Transformer 和从模型到 ChatGPT 的后训练流程。文章称不需要机器学习背景，数学只用到加减乘除和对数，带计算过程的公式可跳过。文中还梳理了幻觉、知识截止、上下文有限等局限，并引用 DeepSeek-R1 报告说明可验证奖励的推理强化学习。
推荐理由：长文用同一组例子把预测下一个 token、交叉熵、Transformer 到后训练串成一条线，适合作为入门路径参考。
阿里技术精选AI 评分8080 高德本地生活分析 Agent 的 AI Native 实践全景（万字长文回顾）
高德本地生活分析 Agent 在 FY27 S1 完成建设，支撑本地生活多个业务单元例行经营诊断，全行业经营简报一小时内产出。文章按 L0–L4 能力分级梳理进展，认为绝大部分任务已具备 L3 特征，部分场景走到 L4。作者复盘了分析执行、知识复用、经营判断三段返工，并给出指标口径更新 Pipeline、事实绑定与三层检查等做法。
推荐理由：高德本地生活分析 Agent 的万字复盘，记录了分析执行、知识复用与经营判断三段返工中的具体取舍。
得物技术精选AI 评分8888 别再只卷向量检索了，得物交易搜索如何用“生成式”实现召回范式跃迁？
得物交易搜索团队复盘过去一年从判别式检索转向生成式召回的实践，覆盖LLM文本索引增强、多模态四塔向量召回、HLLM语义表征、HSTU行为序列建模与基于语义ID的统一生成式召回。
推荐理由：得物交易搜索团队完整复盘从判别式检索转向生成式召回的工程路径，包含量化方案与线上架构取舍。
美团技术团队博客精选AI 评分8888 MTFM：美团统一推荐基座大模型在外卖多业务场景的落地实践
美团技术团队提出统一推荐基座大模型 MTFM，在 MTGR 基础上首次实现外卖多个主要业务的统一精排模型，相关工作已被 KDD 2026 收录。模型以异构 Tokenizer 与动态掩码实现多场景特征免对齐，用混合注意力与 Target Scale-Up 提升 Scaling 能力，并借鉴 LLM 的初始化、Muon 优化器等实践改善深层网络训练。
推荐理由：美团公开了推荐基座模型从多场景统一建模到训推优化的完整工程路径，可看工业级 Scaling 如何落到业务指标。
得物技术精选AI 评分7878 指标平台：从语义底座到智能消费的实践路径｜得物技术
得物技术复盘过去半年在公司内部推动指标字典从0到1落地并支撑Text2SQL语义层建设的路径，业务侧、数仓侧、产品侧三条线同时推进。文中称系统测评SQL准确率从85%+提升到95%+，提升节奏与条件拼接修复、时间解析规则固化、二义性检测上线等治理动作逐一对应。文章还给出AI Coding在数仓开发链路上的提效数据，某业务域OneData建设全流程提效40%+，核心模型开发阶段提效70%+。
推荐理由：得物技术复盘指标字典从0到1的落地路径，给出语义层建设、二义性拦截与Text2SQL准确率提升之间的对应关系。
美团技术团队博客精选AI 评分7272 GeoRA: 为RLVR设计的LoRA——ACL 2026杰出论文解析
美团履约技术团队与北京大学合作的《GeoRA: Geometry-Aware Low-Rank Adaptation for RLVR》入选 ACL 2026 杰出论文，全球共 18 篇入选。
推荐理由：美团与北大提出面向 RLVR 的低秩适配方法 GeoRA，读者可了解其几何先验设计与在业务 Agentic RL 中的落地数据。
美团技术团队博客精选AI 评分8888 美团搜索3.0：LLM 语义表征在排序模型的探索与应用
美团搜索团队披露服务零售排序引入 LLM 语义表征的三期实践，从 2025 年 Q4 到 2026 年 Q2 累计完成 3 个 LR 并全量上线。
推荐理由：美团服务零售搜索三期迭代的完整工程复盘，给出了从难负样本构造到跨场景表征迁移的可复用路径。
美团技术团队博客精选AI 评分7272 KDD'26美团学术论文精选及KDD Cup'26 DataAgents赛道冠军思路解读
美团技术团队有 8 篇论文被 KDD 2026 收录，覆盖推荐大模型、奖励建模、智能体搜索、Transformer 框架与元泛化等方向。其中 MTFM 以无对齐方式统一多场景推荐并已全量替换独立精排模型，MTGenRec 相比 TorchRec baseline 取得 1.6 倍至 2.4 倍训练加速。
推荐理由：美团公开 KDD 2026 收录的 8 篇论文与 KDD Cup DataAgents 赛道夺冠方案，可看到工业推荐、奖励建模与智能体搜索的落地路径。