這是本週的儀式研究摘要，一份涵蓋LLM世界和加密與AI交集最新動態的通訊。 每週有數百篇論文發表，跟上最新動態幾乎是不可能的。我們為您閱讀，所以您無需這樣做。

Think-at-Hard: 選擇性潛在迭代以改善推理語言模型 動態潛在迭代是困難的：它需要完整的上下文、自適應目標、參數重用，但策略質量的耦合會導致訓練不穩定。

這項工作介紹了 TaH，動態潛在思維僅針對硬標記進行迭代，通過開發專門的模型架構和穩定的訓練方法，選擇性地應用潛在迭代。 從 Qwen3-0.6/1.7B-Base 微調而來，TaH 在 5 個推理基準上達到了 +4% 的提升。

P1：利用強化學習掌握物理奧林匹克 本研究介紹了P1，一系列開源物理推理模型。它們整合了訓練時和測試時的擴展，確保在推理時自適應部署更強的推理能力。

P1 模型是在多階段強化學習框架中，僅通過對基礎語言模型進行後訓練來訓練的。在測試時，它們將 P1 模型與 PhysicsMinions 代理框架結合。 它們的模型 P1-235B-A22B 在 2025 年 IPhO 中達到了金牌表現。

MiroThinker：透過模型、上下文和互動擴展推動開源研究代理的性能邊界 這篇論文介紹了一個研究代理，推動在三個維度上的性能：模型大小、上下文長度和互動深度。

為了維持深度推理過程，該模型配備了256K的上下文窗口和每個任務最多600次的工具調用。 MiroThinker v1.0配備了一個簡單的ReAct代理，在開源研究代理中達到了SOTA性能。

成為一個優秀的 AI 研究代理需要什麼？研究創意多樣性的角色 本文提出了量化和控制代理創意多樣性的方法。代理架構的選擇對創意多樣性有著重要影響。

通過受控的實驗設計，他們建立了因果關係，顯示出增加創意多樣性會改善在MLE-bench任務上的表現。他們在使用替代性能指標進行評估時也建立了穩健性。

DR Tulu：使用演變標準的強化學習進行深度研究 本文訓練了深度研究 Tulu（DR Tulu-8B），專為開放式、長篇深度研究任務而設。

為了解決長格式任務中的驗證問題，DR-Tulu 在高質量用戶數據上進行微調，然後通過隨著標準演變的強化學習（RLER）進行訓練，其中標準在訓練過程中與策略模型共同演變。他們獲得的結果超過了最強的開放 8-32 模型。

關注我們 @ritualdigest 獲取有關加密貨幣與 AI 研究的更多資訊，並且 @ritualnet 了解 Ritual 正在構建的內容。