Binance Wallet 宣布，Paimon Finance 推出的 pPOLY 将通过 PancakeSwap 首个 Pre-Access 活动发行，并可通过 Binance Wallet 获取。pPOLY 价格为 15.5 美元，总发行规模为 480 万美元，部署于 BNB Smart Chain。活动时间为 9 月 21 日 17:00 至 9 月 24 日 17:00（UTC+8），并将于 9 月 24 日 17:00 开始申领和交易。用户认购额度取决于 Alpha Points 等级及 bStocks 链上活动等级。Binance Wallet 表示，Pre-Access 代币由第三方提供，不代表股权或 IPO 权利，IPO 和收益均不获保证。

分享一套很适合补「现代强化学习」的开源教程：Hands-On Modern RL。 它的学习路线很完整，从 CartPole、DQN、PPO 这些经典 RL，一直讲到 RLHF、DPO、GRPO、RLVR，再往后延伸到 Agentic RL、工具调用、多轮信用分配和 VLM RL。 我比较喜欢它的一点，是「实践优先」。很多章节都配了可以直接运行的代码、训练曲线和失败案例，比如从零实现 PPO、数学推理 GRPO、Mini Deep Research Agent，以及 VLM 的 GRPO 训练。训练崩溃、Reward Hacking、KL 漂移这些实际问题也被当成正式内容来讲。 尤其 Agentic RL 部分很值得看。它把训练对象从一次回答扩展成完整 trajectory，讨论工具调用、环境反馈、多轮信用分配和异步 rollout，而这些正是 Agent 从「会回答」走向「会长期行动」之后绕不开的问题。 现在很多 RL 教程还停留在经典控制，这套资源已经把学习路线一路接到了今天的大模型后训练和 Agent 研究。 不过项目自己也提醒，目前仍在快速迭代，而且有 AI 协助生成，部分内容尚未全面审稿，阅读时最好结合论文和代码一起验证。 项目链接：

俄罗斯政府指控 Telegram的 CEO Durov 协助恐怖主义，并发布了恐怖的国际逮捕令😱 俄罗斯联邦安全局，声称Telegram 未能删除乌克兰情报机构用来协调对俄罗斯袭击的聊天和频道后宣布了这一消息。