On-Policy Distillation

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」。

follow-builders 的 X（推文）/ Podcast 抓取源本期仍不可用；本期以公开可验证的 GitHub Trending daily（2026-07-02 UTC 榜）+ HuggingFace Daily Papers（2026-07-01 与 2026-07-02 两批）三源 remix，所有 10 个仓库与 7 篇论文链接均已逐条抽查 HTTP 200。今天两条主线在同一个方向上收敛：① 趋势榜被『Claude Code / Codex 技能生态』彻底接管——从 caveman（像原始人一样说话、砍掉 65% token）到 agency-agents（+2,925/日，把一整支 AI 代理公司装进命令行）、obra/superpowers（agentic 技能框架 +1,047）、career-ops / ECC / codex-plugin-cc，再加安全 agent strix（+2,167/日）与中文交易 agent Vibe-Trading（+918）；② 论文榜则从『造 agent』上移到『给 agent 打地基』——Orca 提出统一『世界潜空间』的世界基础模型（▲193，用 Next-State-Prediction 取代 next-token），Dockerless 让 coding agent 不用 Docker 就能验证补丁（▲96，砍掉每仓库环境成本），DOPD 修复 on-policy 蒸馏的『特权幻觉』（▲88），MemSyco-Bench 首次系统评测『agent 记忆的谄媚问题』——检索到的记忆会让 agent 为了迎合用户而牺牲事实。一句话总结今天：应用层在疯狂堆『技能』，基础层在重写『世界怎么建模、记忆怎么可信、蒸馏怎么不作弊』——上层越热闹，下层的地基之争越关键。

follow-builders 的 X（推文）/ Podcast 抓取源本期仍不可用，日报继续以「GitHub Trending daily + HuggingFace Daily Papers 2026-06-26」双公开源 remix，featured 链接已逐条抽查 HTTP 200。今天的主线一句话：agent 的竞争重心，正在从『能不能动手』迁移到『怎么把它训得稳、给得对、验得准』。学术侧今天清一色在啃 agent 训练与评测的硬骨头——OPID 直接从 on-policy 轨迹里蒸出『技能监督』、《The Verification Horizon》宣告 coding agent 不存在万能 reward、另一篇拆解了多步工具调用 RL 为何会『灾难性崩溃』、GauntletBench 则把 agent 拖出熟悉环境做压力测试。工程侧呼应得同样直接：gstack 冲到 11.6 万⭐、Google 的 design.md 单日 +2,319⭐、AWS 官方工具箱、OpenMontage 视频 agent——『agent = 团队 × 技能库 × 工具链』范式继续固化；中文圈今天也罕见地集体上榜：ai-berkshire、Agent-Reach、MediaCrawler、MinerU、张雪峰.skill。