资讯流

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…

主题:GELU 手写 vs 内置 PyTorch 实测差 20% | 来源:@rasbt | 链接: | 仓库:无 | 论文:无 | 硬核点:Giles Thomas 实测换 PyTorch 内置 GELU 后训练快 20%，rasbt 计划写进 LLMsfromscratch 教材 bonus，附 profiling…

主题:Sakana AI Conductor(ICLR 2026)——7B 模型用 RL 调度其他 LLM 协作,AIME25/GPQAD 达 SOTA | 来源:@omarsar0 | 链接: | 仓库:无 | 论文:arxiv Conductor 相关 | 硬核点:递归 LLM 拓扑+在线迭代 testtime s…

主题:ExtractBench——企业文档结构化提取最全评测基准(370 docs/4869 pages/67类/8领域/14系统) | 来源:@jerryjliu0 | 链接: | 仓库:runllama/ExtractBench | 论文: | 硬核点:LlamaIndex 放出 36 页白皮书+代码+数据集，全面…

主题:Gemini 3.7 Flash 定价隐性翻倍,上下文窗口缩水 | 来源:@simonw | 链接: | 仓库:无 | 论文:无 | 硬核点:revealed 1M→128k context 实际窗口,input $0.15→$0.30/M翻倍,output $6→$10/M翻3倍,避坑指南值得写攻略 主题:Ex…

窗口:20260813 ~ 20260820 主题:ExtractBench——企业文档提取最全基准(370 docs/4869页/67类/8领域) | 来源:@jerryjliu0 | 链接: | 仓库:runllama/ExtractBench | 论文: | 硬核点:LlamaParse Agentic Plus…

主题:MetaHarness: 端到端自动化优化 Agent Harness(COLM 2026) | 来源:@omarsar0 | 链接: | 仓库:stanfordirislab/metaharness | 论文: | 硬核点:用 coding agent 自动搜索/优化 harness 代码，每次迭代 10M t…

采集时间窗口:20260812 ~ 20260819(过去 7 天) 本轮无干货候选。 主题:Agent 团队协调失败模式 41 类分类法 | 来源:@omarsar0 | 链接: | 仓库:无 | 论文: | 硬核点:41 种 agent harness 交互失败模式归因图谱(model/harness/tools/…

扫描时间窗口: ~Aug 1118 2026 · 硬核筛选:实现技巧/性能优化/踩坑复盘/新工具用法/论文要点 主题:ExtractBench——LlamaIndex 企业文档提取基准,370 文档/67 类/8 领域 | 来源:@jerryjliu0 | 链接: | 仓库:runllama/ExtractBench …

扫描窗口:20260811 ~ 20260818 主题:全行业加密推理块可被弱模型蒸馏——Swyx团队披露"Stolen Thoughts"攻击 | 来源:@swyx | 链接: | 仓库:无 | 论文: | 硬核点:加密thinking block共享密钥设计缺陷，弱模型可明文读强模型推理轨迹，涉OpenAI/Ant…

主题:前端模型文档 OCR 解析已到瓶颈，三代 GPT 精度提升 24pt 但成本涨 4 倍 | 来源:@jerryjliu0 | 链接: | 仓库:无 | 论文:无 | 硬核点:直接数据反驳"前沿模型 OCR 已商品化"观点，LlamaParse 对比基准数据可作 RAG/文档提取攻略素材 主题:Qwen 3.8 2…

扫描窗口:20260810 ~ 20260817（本周） 说明:本轮窗口硬核技术帖密度偏低,部分账号(X 月中淡出),已从严筛选。 主题:前沿模型隐藏推理 token 可被 1:1 提取——利用 API 漏洞验证billing token与真实推理步数一致 | 来源:@swyx | 链接: | 仓库:无 | 论文:无 …

本轮无干货候选（20260809 ~ 20260816 窗口内，硬核技术帖数量为零）。 @{omarsar0} · MASSRAG (ACL 2026 Findings, arxiv:2604.18509) · Apr 21 post · 多角色 RAG 框架论文，超出本轮窗口，留档参考 @{omarsar0} · "…

主题:Sakana AI Conductor——7B 模型用 RL 编排其他 LLM，ICLR 2026，递归拓扑解锁 testtime scaling | 来源:@omarsar0 | 链接: | 仓库:SakanaAI/Conductor | 论文: 2026） | 硬核点:Conductor/worker 路由是…

采集窗口:20260809 ~ 20260815 主题:DeepSeek Harness v0.1 — Cordis 插件化 Agent Harness(MIT, 106k★) | 来源:@omarsar0 | 链接: | 仓库:deepseekai/deepseekharness | 论文:无 | 硬核点:插件即一切…

主题:LlamaExtract Agentic Plus 发布——企业文档提取 SOTA，ExtractBench 4869 页/67 类/8 领域基准开源 | 来源:@jerryjliu0 | 链接: | 仓库:runllama/ExtractBench | 论文:无 | 硬核点:LlamaIndex 企业级文档提取…

主题:ExtractBench——LlamaIndex 推出企业文档提取基准(4869页/67类/8领域) | 来源:@jerryjliu0 | 链接: | 仓库:runllama/ExtractBench | 论文: | 硬核点:LlamaExtract Agentic Plus 凭95.6%综合准确率Pareto领…

主题:GPT5.6 Sol Ultra + Codex Desktop 单次构建完整 3D 游戏实录 | 来源:@simonw | 链接: | 仓库:simonw/raccoonheistcodex | 论文:无 | 硬核点:$23.28 API 成本明细(700K input + 32.5M cached + 148…

主题:CPT 持续预训练实战资源清单(Databricks 系) | 来源:@cwolferesearch | 链接: | 仓库:无 | 论文:无 | 硬核点:Aug 8 帖子整理了 CPT 做领域专用 LLM 的最佳实践资源，Databricks 方案含 PyTorch 实现细节，训练调参踩坑可参考，但属转发汇总非原…

主题:SSM 状态重计算——混合模型推理 2x 提速新解法 | 来源:@tri_dao | 链接: | 仓库:statespaces/mamba | 论文:无 | 硬核点:首创 RecomputeSSM 技巧——hybrid model(Qwen 3.5/Nemotron Ultra)decode 阶段不写回 SSM …

主题:LangChain Managed Deep Agents 正式 GA——纯 markdown/config 无代码部署生产 agent | 来源:@hwchase17 | 链接: | 仓库:langchainai/deepagents | 论文:无 | 硬核点:LangChain 生态从 Python API …

主题:@omarsar0 论 harness 工程决定 agent 工具调用行为而非工具数量 | 来源:@omarsar0 | 链接: | 仓库:无 | 论文:无 | 硬核点:harness 决定何时不调用工具，比堆工具数更重要——实操踩坑复盘，agent prod 落地必读 主题:@simonw Codex 月订阅开…

主题:MaplePreview 开源 20B 三元权重量化推理模型，Mac Mini M4 跑出 200+ tokens/s | 来源:@abacaj | 链接: | 仓库:deepgrove/maplepreview | 论文:无 | 硬核点:三元权重量化+边缘部署工程细节，IMO 级别推理 SOTA，量化实操参考价…

主题:Antidoom 训练法——消除推理模型 doom loop，doom 率 22.9%→1%，附开源训练代码与数据集 | 来源:@maximelabonne | 链接: | 仓库:liquidai/antidoom | 论文:无 | 硬核点:推理模型致命失败模式有系统性解法，且开源了完整训练流程和数据；可复现、可…

采集日期:20260810 · 时段:近 37 天 · 评分维度:实现技巧/性能优化/踩坑复盘/新工具用法/论文长帖 主题:GPT5.6 通过 Codex 自我优化,降低 20% 服务成本 | 来源:@simonw | 链接: | 仓库:无 | 论文:无 | 硬核点:模型自优化生产部署(重写 GPU kernel + …

主题:LangChain Managed Deep Agents 发布——从 early langchain 到托管 agent 的演进路径 | 来源:@hwchase17 | 链接: | 仓库:langchainai/deepagents | 论文:无 | 硬核点:LangChain 官方首次把 deep agent…