首页/博客/一条 rollout 的两种死法：RLVR 的学习信号漏在哪，怎么补综合一条 rollout 的两种死法：RLVR 的学习信号漏在哪，怎么补掘金2026-10-13 09:260 次浏览一、先算清这笔账：为什么必须复用 rollout RLVR（Reinforcement Learning from Verifiable Rewards，可验证奖励强化学习）的标准循环长这样： 问题在原文：https://juejin.cn/post/7695687760272375823我的收藏上一篇随机基线都打不过：为什么一整代视觉 Token 压缩方法在混合线性注意力上集体失效下一篇Flutter 终于有自己的 React Flow 了，vyuh_node_flow 上手实录相关文章美团 LongCat-2.5 拆解：1.6T 参数只激活 3%，1M 上下文卖 0.3 美元，Agent 模型的账变了一个 1.6 万亿参数的模型，每处理一个 token 只唤醒其中约 48B，也就是 3%。美团在 11 月 1 日把 LongCat-2.5 正式版放了出来，输入定价 0.3 美元每百万 token，0掘金谷歌捣毁涉超130万台安卓设备僵尸网络，电视盒厂商被指向犯罪分子售卖访问权限一个由超130万台安卓设备组成的僵尸网络，其设备以电视机顶盒为主。10月底在谷歌主导的打击行动中，该僵尸网络的控制服务器被关停，运营0FreeBuf如果有一天，现金消失了，你的钱还值钱吗？内容来源 | 本文摘编自 中信出版集团 书籍 《21世纪的货币：低息、移动与数字化》 [澳] 理查德·霍尔登 著 责编 | 二月 第 9938 篇深度好文：38 40 字 | 10 分钟阅读 根据人民日报10月27日消息，近日，多所江苏高校0笔记侠马斯克预测：还要人挨个签字的公司，会输！内容来源： 本文内容整理自网络公开资料。 责编 | 柒 第 9923 篇深度好文：6342 字 | 14 分钟 阅读 2026年10月27日，硅谷顶级风投a16z的联席创始人本·霍洛维茨发了一篇万字长文。他是《创业维艰》的作者。 他拆解的对0笔记侠从内在精进、核心特质到领导范式，重构新时代领导力内容来源 | 本文摘编自机械工业出版社 书籍 《成为卓越高管：成就卓越的十二大修炼》 陈玮 著 责编 | 贾宁 第 9940 篇深度好文： 4640 字 | 10 分钟阅读 很多高管陷入一个误区：领导力就是拼业绩、拼能力、拼资源，只要业务结0笔记侠马斯克这5句话，治好了我的精神内耗内容来源： 整理自《乔布斯传》《马斯克传》作者沃尔特·艾萨克森的播客《The Builders》首期访谈。 责编 | 贾宁 排版 | 沐言 第 9939 篇深度好文：4019 字 | 11 分钟 阅读 思维方式 笔记君说： 这两年跟身边做企0笔记侠
