每个人对于他所属的社会都负有责任，那个社会的弊病他也有一份

一个人的周末

AdaExploreBench：测 Agent 能否主动探明并适应隐藏规则

这篇论文把"环境会变"做成可测的隐藏规则与隐式漂移，用交互式基准暴露 Agent 的真实短板：会推理，但不会主动取证，也发现不了旧证据已过期。

把决策模型推理从 vLLM 换到 Prism：5.3 倍提速的适用边界

决策模型只需几个候选选项的概率，却被通用引擎按生成任务处理。本文拆解 Prism 的三处改动，给出可照做的候选打分与共享前缀写法，并说明 92.9 毫秒降到 17.4 毫秒这类加速在什么条件下才成立。

CLE 基准：智能体能否靠经验逐级通关

CLE 用 120 个专家任务、600 个阶梯层级测智能体能否把失败反馈变成后续通关能力；最佳系统仅过 47.7% 层级、23.3% 任务全通。本文拆解方法、数字、局限与复现条件。