每日大模型 Rap

这首中文硬核 rap 讲 arXiv 2607.01480：PMD 把 RLVR / SDPO 训练中被丢掉的 rollout 过程经验，整理成三层过程记忆，再蒸馏回模型权重，让自改进不只看单局分数。

这首中文硬核 rap 讲 arXiv 2607.01239：BPE tokenization 把安全词切成碎片，80-100% 的拒答触发在五个模型家族上被翻转，对齐数据和现有 SFT/DPO 防御暴露出缺口。

这首中文硬核 rap 讲 NightVision：只靠 single logprob 和 TTFT，黑盒大模型 API 仍可能漏出 hidden dimension、层数和参数量。

基于 arXiv 2607.02303，本期把 HOLA 写成中文硬核 rap：线性注意力的 recurrent state 负责压缩，bounded exact KV cache 像海马一样保留 surprise token，让 32k 长上下文里的 needle 不再轻易失踪。

基于 arXiv 2607.00152，本期把 GRPO、Dr. GRPO 和 DAPO 写成中文硬核 rap：三种训练招式都围绕组内奖励标准差 σ，混合答案才给梯度，全对全错直接沉默。

基于 arXiv 2606.30931，本期把 RoPoLL 写成中文硬核 rap：LLM 陪审团的均值聚合会被坏 judge 带偏，几何中位数用 1/2 breakdown point 把离群评分压下去。

基于 arXiv 2606.28562，本期把 SEAD 的熵感知 on-policy distillation 写成中文硬核 rap：约 50% 低熵 token 直接跳过，OLMo-7B 学 OLMo-32B 的六项数学平均从 vanilla OPD 59.2 拉到 64.0。

基于 arXiv 2606.27538，本期把 Context-Ready Transformer 的 pre-block correction 写成中文硬核 rap：D=5 以 1.7× 生成加速压过 12 层基线，D=1 在 A100 上 2.6× 提速，听懂 token 入层前为什么先要带上下文。

基于 arXiv 2606.26466，本期把 SOLAR 的 soft-token 跨语言推理对齐写成中文硬核 rap：Qwen3-4B 平均准确率 45.67%→48.25%，Swahili MGSM 29.04%→53.48%，听懂 token 边界如何把语义切碎。

基于 arXiv 2606.24952，本期把「模型检测到假实体却不一定会拒答」写成一首中文硬核 rap：AUC=1.000、cos=0.12、15°旋转，听懂 detection-intervention gap。

本期把 Offline RL 各路线的权重方向摊开对比，听懂为什么 DPO 近乎正交却在该协议下拿到最高分。

基于 arXiv 2606.20621，PEAR 把多智能体辩论里的固定 star / chain / ring / clique 改成自适应稀疏路由：四个 benchmark、六个 LLM backbone 上平均准确率 0.701，对最佳固定拓扑仍平均 +5.1 个点。通勤两分三十七秒，听懂「谁该发声，谁该闭麦」。