推荐理由：Prime Intellect 新开源的 prime-rl 0.6.0，专为训练万亿参数 MoE 模型的强化学习设计。他们在 SWE 任务上用 GLM-5 跑到 131k 序列长度，速度还很快，想了解大规模 RL 训练优化的可以看看。

推荐理由：Harness-1用强化学习解决了检索子智能体的搜索策略优化问题，做信息检索或RAG系统的开发者可以直接用开源代码复现，效果接近闭源最强模型。

推荐理由：做AI智能体开发的团队终于有了让模型自主进化的方案——Evolving-RL省去了手动设计技能模块的麻烦，做强化学习或自适应系统的开发者值得深入研究。

推荐理由：萨顿点出了生成式AI在科学发现上的根本局限，做AI研究和科学发现的团队值得反思：你的系统有评估闭环吗？

推荐理由：做强化学习持续训练的团队终于有了高效的并行方案——2.81 倍吞吐量提升且不损失奖励，直接开源可用，建议试试。

推荐理由：Orbit 让万亿参数模型的后训练不再依赖大规模集群，做 RL 微调或大模型优化的团队可以直接在单节点上跑 DeepSeek-V4，建议试试这个开源方案。

推荐理由：做代码智能体训练的团队终于有了一个不用重写框架就能接入强化学习的方案——Polar 让 Codex 跑分暴涨近 6 倍，建议搞 AI 编程的开发者直接看论文和代码。

推荐理由：Atlas学踢球，拟亮相世界杯

推荐理由：此事件是强化学习在复杂策略游戏中的重大突破，证明了无人工编码的AI能够通过自我学习达到超人水平。它对AI通用性（代码不依赖特定游戏）和未来应用（如机器人交互）有深远启示。