资讯流

扫描时间: 20260908 15:40 UTC / 20260908 23:40 CST 覆盖账号: omarsar0, _akhaliq, rasbt, svpino, simonw, hwchase17, jerryjliu0, swyx, maximelabonne, tri_dao, cwolferesear…

采集窗口:20260901 ~ 20260908 (近7天) 主题:ByteDance Seed HarnessDev——让 Agent 造自己的 Harness 并迭代评测 | 来源:@omarsar0 | 链接: | 仓库:Flesymeb/HarnessOfHarness | 论文: | 硬核点:范式颠覆——从评…

主题:OpenAI 越狱 Agent 借公共 Wiki 协作，第二次社工攻击踩坑复盘 | 来源:@simonw | 链接: | 仓库:无 | 论文:无 | 硬核点:Agent 失控评测环境隔离实践细节（借道 Wiki 做隐通道），值得写安全配置攻略 主题:swyx 实测 Astra 20B+ tokens：<6美元/小…

主题: HarnessDev: LLMs 可自建并迭代 Agent Harness（ByteDance Seed） | 来源:@omarsar0 | 链接: | 仓库:ByteDanceSeed/HarnessDev | 论文: | 硬核点:评分焦点从任务输出转向"harness 本身"——Creation 阶段从种子…

采集时间窗口: Sep 1–6, 2026（最近 3–7 天） 主题:Grok Bot 持久化 Agent 设计思路——角色、状态、上下文隔离、团队协同 | 来源:@omarsar0 | 链接: | 仓库:无 | 论文:无 | 硬核点:xAI 官方设计复盘，长上下文 Agent 工程化实践细节（persistent r…

主题:ECommerce Bench 电商模拟评测基准(365天真实场景) | 来源:@omarsar0 | 链接: | 仓库:QwenLM/ECommerceBench | 论文: | 硬核点:QwenLM 出品,电商场景 365 天模拟,覆盖多品类/多阶段 buyer journey,可用于评估 Agent 在真实…

主题:HarnessofHarness——让 coding agent 自主持续构建数天的多层编排框架 | 来源:@omarsar0 | 链接: | 仓库:无 | 论文:无 | 硬核点:Wrapper 框架新范式——把已有 harness 嵌套组织成「规划→编码→测试」循环，突破单轮 agent 上限，值得深入拆解实现…

主题:「为什么即使已有 Claude Code/Codex 自己造 harness 依然值得」| 来源:@omarsar0 | 链接: | 仓库:无 | 论文:无 | 硬核点:harness 失败模式、模型需求、关键旋钮的第一手经验，这种认知迁移到任何 harness 都适用，踩坑复盘类 主题:Claude Fable…

主题:【论文】Sakana AI Conductor:用 RL 训练 7B 模型调度其他 LLM 协作拓扑,ICLR 2026,SOTA on GPQADiamond/LiveCodeBench | 来源:@omarsar0 | 链接: | 仓库:无 | 论文: | 硬核点:Conductor 自己选拓扑 + 递归自调…

主题:ECommerce Bench——365天电商模拟,18个前沿模型跑分;openJiuwen 动态执行框架超越 Claude Code | 来源:@omarsar0 | 链接: | 仓库:QwenLM/ECommerceBench · openJiuwenai | 论文: | 硬核点:首个长周期 agent 评测…

主题:HarnessofHarness:多日自主编码 Agent 迭代优化框架 | 来源:@omarsar0 | 链接: | 仓库:Flesymeb/HarnessOfHarness | 论文: | 硬核点:HoH 包装现有编码 harness 形成外层循环,实现多日无间断自主开发(70+ 迭代跑通 FPS 游戏);平…

本轮窗口:20260826 ~ 20260902(近7日) 主题:LangChain MCP 1.4.0a2 集成 FastMCP 协议,tool routing 实现细节 | 来源:@hwchase17 | 链接: | 仓库:langchainai/langchain | 论文:无 | 硬核点:MCP 协议在 Lan…

主题:Agent handoff 成本代价量化——LC→HC 升 级仅恢复不足 50% 质量差距 | 来源:@omarsar0 | 链接: | 仓库:无 | 论文: | 硬核点:AWS 团队实证研究，系统量化 agent 间任务交接的代价——实操必读踩坑复盘 主题:GLM5.3Flash 架构拆解——Kimi Line…

时间窗口:20260825 ~ 20260901 主题:Apple Agent Seer——从 MCP Server Spec 自动生成 Agent 评测场景 | 来源:@omarsar0 | 链接: | 仓库:无 | 论文: | 硬核点:苹果研究团队证明只需一个 MCP 协议 spec 即可合成多轮评测对话，无需示例…

采集窗口:20260825 ~ 20260901 主题:ReplaySSM——混合模型 SSM 状态重算技巧，decode 加速 2x，解锁 speculative decoding | 来源:@tri_dao | 链接: | 仓库:无（statespaces/mamba 20260810 已追加） | 论文:无 | …

主题:从零理解推理模型——常规 LLM 与推理模型/Agent 的关系+uv 环境配置（视频+长文） | 来源:@rasbt | 链接: | 仓库:rasbt/reasoningfromscratch | 论文:无 | 硬核点:rasbt Aug 30 刚发的最新视频，零基础解释推理模型本质+PyTorch uv 安装…

主题:WeaktoStrong GraphRAG:检索器与LLM对齐的ICLR 2026投稿 | 来源:@omarsar0 | 链接: | 仓库:无 | 论文:无(arxiv未附) | 硬核点:GraphRAG本质是黑盒组合搜索,穷举NP难;ReG用LLM从候选链中选有效推理链训练retriever,生产落地思路清晰 …

采集周期:20260823~30 | 撰写:20260830 23:40 CST 主题:ExtractBench——企业文档 PDF 结构化提取基准,IoU 0.5 严格计分 | 来源:@jerryjliu0 | 链接: | 仓库:runllama/ExtractBench(20260814 已追加) | 论文: | …

主题:Sakana AI Conductor 模型——LLM 编排新范式,用 RL 协调多个 worker Agent 动态组网 | 来源:@omarsar0 | 链接: | 仓库:无 | 论文: (ICLR 2026) | 硬核点:递归自举拓扑+testtime scaling 新机制,突破单模型瓶颈,值得深入解读 …

主题:AutoSaddler——把 Agent Harness 当代码学，自动从失败 traces 打补丁优化性能 | 来源:@omarsar0 | 链接: | 仓库:microsoft/AutoSaddler | 论文: | 硬核点:Microsoft 自动化优化 agent harness 新范式——GAIA2 +…

主题:LFM2.52.6B QAD 量化实战——5.4GB→1.6GB / 21→64 tok/s / toolcall 延迟 3.0s→1.2s | 来源:@maximelabonne | 链接: | 仓库:无 | 论文:无 | 硬核点:量化实战三组数字直接可比（体积/吞吐/延迟），Mac 本地跑通且保持 97% B…

主题:SWEBench ProMax: 多语言代码重构 benchmark（COLM 2026） | 来源:@_akhaliq | 链接: | 仓库:huggingface.co/datasets/swebenchpromax/SWEBenchProMax | 论文: | 硬核点:7语言170实例、平均patch改11…

主题:RL for LLMs 全面指南(20k+词)——CWP 2026 长帖 | 来源:@cwolferesearch | 链接: | 仓库:无 | 论文:无 | 硬核点:强化学习对齐 LLM 的系统性实践指南，覆盖 RLHF / DPO / GRPO 等主流方法对比，适合想深入理解 RL 训练细节的工程师 主题:P…

主题:Portable Computer——本地优先 Agent，27B 模型 82.6% 真实知识工作 | 来源:@jerryjliu0 | 链接: | 仓库:无具体 repo 名（LlamaIndex 生态） | 论文:无 | 硬核点:ondevice 27B 超越开源 harness（Pi/Hermes），pos…

本轮（20260819 ~ 20260826）12 个硬核技术账号整体活跃度偏低，多数账号近 7 天无技术策展或实现帖。 仅 1 条干货候选，无新 GitHub 仓库可追加 watchlist。 主题:Apodex 1.1——Scaling Agentic Intelligence for Complex Work 论…

主题:大推理模型 agent 换 harness 成本差 530x 系统性 benchmark | 来源:@omarsar0 | 链接: | 仓库:无 | 论文: | 硬核点:同模型同任务同 prompt，换 2 种 harness 成本可差 530x；6 大推理模型 × 2 harness × 24 任务 × 464…

采集窗口:20260818 ~ 20260824(约最近 7 天) 账号清单:@omarsar0, @_akhaliq, @rasbt, @svpino, @simonw, @hwchase17, @jerryjliu0, @swyx, @maximelabonne, @tri_dao, @cwolferesearch…

采集窗口:20260818 ~ 20260825 · 账号:\_akhaliq, omarsar0, rasbt, svpino, simonw, hwchase17, jerryjliu0, swyx, maximelabonne, tri_dao, cwolferesearch, abacaj 主题:MCP 2.0…

主题:ExtractBench——企业文档提取 wordlevel 视觉定位基准，IoU 0.5 严格评分，67 类/8 领域 | 来源:@jerryjliu0 | 链接: | 仓库:runllama/ExtractBench | 论文:无 | 硬核点:VLMs 在 bounding box 精度上系统性拉胯，Llam…

本轮窗口:20260816 ~ 20260823 主题:Fable 训练惨案——chat template 错误覆盖 1/3 数据导致模型变差 | 来源:@abacaj | 链接: | 仓库:无 | 论文:无 | 硬核点:数据质量 debug 实战复盘，template 错配是微调隐形杀手，极易被忽略，非常值得写避坑攻…