Palette：教小模型用你的设计语言做幻灯片

用 100 步 GRPO 微调 350M 模型以改善结构化输出

Fine-tuning a 350M Model for Better Structured Outputs in 100 GRPO Steps

文章给出一份完全公开、成本低廉的配方，用 TRL 库的 Group Relative Policy Optimization 微调 LFM2.5-350M，并在 IFStruct 基准上评估其结构化输出遵循能力。整个训练约 500 个样本、100 步，可在免费层级的 Colab 或 Kaggle GPU 上完成，代码已在 GitHub 公开；结果显示 IFStruct 基准成绩从 22.6% 提升到 29.7%。文中说明该训练流程不同于 IFStruct 博客中训练 RL 模型所用的流程，目标不是复现该基准分数。适合想在小模型上试验 RL 微调的读者。

刚刚，DeepSeek重磅开源：Agent底座架构！

量子位报道 DeepSeek 公开了面向个人 Agent 的底层架构思路「Super-agent：迈向更自主的 Agent 系统」，核心是让 AI 在没有被 @、没有明确指令的情况下自行发现 Bug、定位问题并提交修复 PR。文中描述其内部运行实例可把同一开发任务从 IM 群聊延续到 GitHub PR 评审，并采用投机执行（Speculative Execution）提前在后台尝试任务；给出的初步实测中，模拟多任务环境下任务完成时间中位数为 12.4 分钟、95 分位数为 15.7 分钟。适合关注 Agent 架构与自主编程 Agent 工程实践的人阅读。

用 Sentence Transformers 训练与微调多向量嵌入模型

Training and Finetuning Multi-Vector Embedding Models with Sentence Transformers

文章介绍 Sentence Transformers v6.0 新增的第四种模型类型 MultiVectorEncoder，用于 ColBERT 风格的后期交互检索，并给出了配套的完整训练方法。文中按模型、数据集、损失函数、训练参数、评估器和训练器类等组件逐一讲解，并附实际操作示例，全部流程在安装 sentence-transformers 的训练依赖后即可运行；作者还展示了在单张 RTX 3090 上训练 14.5 小时的 mLateOn-medical 模型的评估结果。适合做检索增强生成、语义搜索的实践者阅读。