论文卡片总索引

单篇论文一个文件；跨方向综述引用此处，不重复全文。日期为论文发表/公开年份，部分文献已更新至 2026-10-20；每篇以正文中注明的核验层级为准。

日期与路径提示：本索引按会议/正式发布年份组织；ReLIFT 与 BRIDGE 虽在 2025 年首次公开 arXiv，现有链接仍放在 papers/2026，以保持站内稳定 ID。具体首次公开时间须查各论文正文，不能仅根据文件夹名断言。

2026

论文	发表状态	关键问题
TSRL：触发式 SFT + RL	arXiv 预印本（2026-10-13）	RL 主导，难状态才注入专家监督，减少遗忘
AgentTune	arXiv 预印本（2026-10-09）	统一 Agent 轨迹、训练与评测的 EventLog
UniRL（腾讯混元）	官方开源框架（2026-10）	同一训练设施支持 SFT、Agentic、异步 RL 等入口
ReLIFT	ICLR 2026	RL 遇到困难题时如何插入定向 SFT
BRIDGE	ICML 2026	如何使 SFT 梯度帮助 RL 而非干扰
DYPO	ACL 2026 Findings	基于训练反馈动态平衡 SFT 与 RL
RL Squeezes, SFT Expands	ICLR 2026	两种训练怎样改变推理路径分布
Provable Benefits of RLVR over SFT	ICML 2026	为何结果奖励可能学会回溯策略
SFT or RL for Tool-Calling Agents?	arXiv 预印本（2026-09）	工具 Agent 中哪种方法更好
AutoTool	ICML 2026	动态工具选择，SFT/RL/排序联合使用
MiMo-V2.6 MOPD2	官方技术报告/模型卡	多领域教师、RL 和 SFT 前缀蒸馏

论文	发表状态	关键问题
DeepSeek-R1	arXiv 技术报告	无 SFT 直接 RL 和冷启动 SFT 的区别
Qwen3 Technical Report	arXiv 技术报告	多阶段 SFT/RL 与强到弱蒸馏
DAPO	NeurIPS 2025	稳定和有效地进行长思维链 RL
Action-Constrained Imitation Learning	ICML 2025	动作约束和轨迹对齐如何放松行为克隆

这些是早期收藏/阅读清单，已经迁入统一论文库，不代表完成深度原文核验。原始阅读状态、评分、标签和简要备注保留；详细方法与实验待按原论文补全。

新文献优先填 templates/paper-note.md，并保持该文件与 topics/ 同步。

学完以后，我能否回答这些问题？

建议不看正文先回答，再回到相关章节核对。这里不自动判定「已读」。