本文解读 OpenAI 的 Deliberative Alignment 论文。论文提出了基于推理的安全对齐新范式：直接教会模型安全规范文本，让模型在回答前显式回忆并推理安全策略。该方法已应用于 OpenAI o 系列模型，在越狱鲁棒性和过度拒答率上实现了 Pareto 前沿改进。

本文解读 DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence。论文的核心不是单纯扩大参数规模，而是通过混合压缩注意力、mHC 残差连接、Muon 优化器和配套系统工程，把百万 Token 上下文从能力展示推进到可训练、可推理、可部署的模型设计问题。

本文解读论文 SkillRouter: Skill Routing for LLM Agents at Scale。论文研究大规模 skill registry 下的技能路由问题，指出完整 skill body 是关键检索信号，并提出一个 1.2B 全文 retrieve-and-rerank 路由系统，在准确率、延迟和端到端任务成功率之间取得较好平衡。

本文讨论长上下文、Agentic Retrieval 和 LLM Wiki 在部分场景中替代传统 RAG 的条件。核心结论是：它们并不是全面取代 RAG，而是在知识规模、更新频率、结构复杂度和任务链路不同的情况下，改变知识进入模型的方式。

本文整理一次企业知识库 RAG 系统实践：先解释 RAG-Challenge-2 冠军方案的整体原理，再拆解文档解析、切块、路由、父页召回、LLM 重排、Prompt 约束和评估方法，最后对比原始方案、企业落地改造版本和个人论文知识库版本。