Long-Context RL

长上下文 RL 突破 2M tokens 固定 GPU 预算（LongStraw 登顶）；On-Policy 蒸馏迎来系统性拆解（SEED 自进化 + Demystifying 病理学）；世界-动作模型安全警报 BadWAM「梦对了却动错」；机器人策略上下文暴涨三个数量级 RoboTTT；KV-Cache 移植让冻结小模型「又聪明又便宜」。