Jev 是 TypeSafe AI（2026 年 9 月中旬发布）的首个 "System One" 模型——它不是语言模型，不生成任何文本，只做一件事：输入一段结构化 state，加上类型化的问题，得到带概率的决策答案。 这个定位恰好精确命中了 Agent 评测的核心形状：给定 agent 的 trace 和状态，判断这次行为是否合规、是否安全、评分几分。 …
仓库攻略
85 篇 · 81 个项目 · 其它 · jay · Agent 智能体
d1 是 Liquid AI 于 2026 年 9 月 29 日发布的决策模型（Decision Model），2026 年 10 月 5 日追加视觉支持后正式对外。 核心设计思路与语言模型相反：不给文字答案，而是对同一个输入直接输出概率分布——每道题一次前向传播，零 Token 生成。 d1 的官方定位是替代那些「本不需要 LLM 做的事情」：分类、路由、…
VeriHarness 是 Google Cloud AI Research（联合作者还有剑桥大学 Nigel Collier）于 2026 年 10 月 1 日在 arXiv（2610.00972）上发布的论文提出的多 rollout 验证框架。核心问题是：当 LLM Agent 完成了长程任务（写报告、做表格、写代码），没有参考答案、没有 grading…
表格中存在 blank cell（空单元格）时，大多数文档 OCR / 解析工具在输出 markdown 表格时，会将该行后续所有数值整体左移一格，从而导致数值进入错误的列，造成静默的数据错位。这种错误不抛异常、只静默错位——下游 Agent 若直接使用这组数值去做判断，就会产生错误决策。 LlamaIndex 联合创始人 Jerry Liu（@jerryj…
代表攻略
LiteParse：空间布局优先的本地文档解析——表格空白格错位的根本解法 · 干货攻略
LiteParse 是 LlamaIndex 于 2026 年 3 月开源的本地文档解析 CLI 和 TypeScript 原生库，核心理念是「保留布局，而非检测结构」——将 PDF、Office 文档、图片中的文本投影到空间网格（spatial grid），以相对位置关系输出文本，而不是先将文档结构检测并转换为 Markdown 表格。 这直接回应了 @j…
代表攻略
SAS：端到端优化上下文排名的稀疏注意力机制 · 干货攻略
SAS（Simple Attention Sparsification via EndtoEnd Optimization of Context Ranking） 是腾讯混元（Hunyuan）团队提出的一种后训练稀疏注意力机制，核心贡献是让选择器（selector）能够直接被语言建模损失端到端反向更新，从而在固定注意力预算下学会最有效地排列和选择上下文块。 …
同类项目 2展开比较
同名 Awesome 仓库已合并展示，原攻略与详情链接均保留。
2026 年 9 月 27 日，AI 领域知名独立开发者 Simon Willison 在 WeAreDevelopers World Congress North America（圣何塞）发表了闭幕 Keynote，题目为「2026 in LLMs (so far)」。这是一篇按时间线串联 2026 年 AI 领域所有重大事件的超长综述，涵盖从 GPT5.…
2026 年 9 月，LlamaIndex 联合创始人 & CEO Jerry Liu（@jerryjliu0）在 X 上发布了一项系统性评测结果：对 16 款前沿 VLM（视觉语言模型） 进行文档解析能力的横向对比。测试覆盖 Opus 5.5、GPT6 Sol/Luna 等最新模型，评测基准为 LlamaIndex 自建的 ParseBench。 核心发现…
ProgramDistill 是微软研究院（Microsoft Research Montréal）与韩国科学技术院（KAIST）于 2026 年 9 月发布的代码智能基准。它的核心思路不同于传统 SWEbench——不依赖 GitHub Issue 或人工撰写的任务描述，而是让 AI Agent 通过与一个功能完整的参考应用交互，自行推断出缺失的功能，再在…
onPanda（全称 onPolicy alignment data annotator）是 StepFun 与厦门大学联合开源的交互式 LLM 对齐数据标注工具，论文链接 arXiv 2609.24983。核心创新是token 级修正（tokenlevel correction）交互范式——标注员不再手动编辑完整回复，而是在模型生成过程中定位第一个出错 t…
Ember1 是 Fireworks Research（Fireworks AI 的研究团队）于 2026 年 9 月 23 日发布的推理专用模型，本质是对 Moonshot AI 的开源推理模型 Kimi K3 做后训练压缩——让它学会用更少的思考 token 到达同等质量的答案。 这不是新架构，也不是新基座模型，而是 K3 的一次 specialized…
本攻略解读 @simonw（Simon Willison）于 2026 年 9 月 15 日发布的实操教程，展示如何用纯浏览器原生 API（Web Audio API + WebSocket）零依赖接入 Google Gemini 3.8 Live 语音对话 API，全程不用任何第三方 npm 包。 分享者 Simon Willison 是 Python/W…
一篇 2026 年 8 月 10 日提交的学术论文（arXiv:2608.09867，cs.CR），由来自 MATS Research、ELLIS Institute Tübingen、Max Planck Institute for Intelligent Systems、Snyk 的研究人员撰写。论文发现：Anthropic、OpenAI、Google …
2026 年 8 月 10 日，一支来自 ELLIS Institute Tübingen、Max Planck Institute for Intelligent Systems、MATS Research 的研究团队（含 Alexander Panfilov、David Schmotz、Ilia Shumailov 等人）在 arXiv 发布论文 "St…
JEPAAnything 是一个领域无关（domainagnostic）的通用世界模型学习框架，发表在 arXiv (2609.20800)，由 GenVerse 团队开源。它的核心创新叫做 Orthogonal Predictive Factorization（OPF，正交预测因子分解）——把 JEPA（联合嵌入预测架构）的单一目标表征替换为一组互补的、正…
代表攻略
Skill Entropy：衡量并训练 LLM 跨技能切换能力 · 干货攻略
Skill Entropy 是普林斯顿大学（联合 CMU、UToronto、UIUC、Stanford、Oxford）团队提出的一套跨技能长程推理评测与训练框架，包含三个核心组件： 1. Skill Entropy（技能熵）：一种度量技能切换难度的有向成对指标。当参考模型（Claudeopus4.7）分别处理两个技能时表现良好，但在连续执行两者时失败，则该技…
WHALE（WeightHarness Alternating LEarning）是 KRAFTON AI 与斯坦福大学联合提出的一种联合优化配方，核心思路极为简洁：将 Agent 系统拆成两个独立模块——模型权重（weights）和Harness 代码，交替优化，每次只动一个、固定另一个，循环往复逼近联合最优解。 官方定义（arXiv 2609.00196…
commitrewriter 是 Simon Willison（@simonw）9 月 14 日发布的本地 Web 应用，用于批量编辑 Git 仓库的提交信息。核心使用场景是：Coding Agent 生成的提交记录往往带有大量"机器腔"——冗长的内部 ID 引用、不适合公开的 issue 编号、重复的 agent 生成 boilerplate。Simon …
Beyond Prompts: Measuring and Optimizing LLM ToolAgent Harnesses 是 Airbnb 团队（Cen Mia Zhao、Haibo Ruan、Wenjie Chen 等）发表在 EMNLP 2026 的论文，核心命题： 给定一个固定模型，Agent 的质量提升来源不是换模型，而是优化它周围的 har…
一个由 GPT6 Astra（Medium）+ OpenAI Codex 模式驱动的 AI 编码智能体，在 macOS 上自动调用本地已安装的 Blender 桌面应用，通过 Blender Python API 生成可编辑的 .blend 三维场景文件，并渲染出成品图像。 整个过程完全由自然语言驱动——用户只给了三句提示词，AI 自己： 1. 写 Pyth…
Extract Turbo 是 LlamaIndex（LlamaParse / LlamaExtract）平台在 2026 年 9 月发布的全新文档抽取 tier，处于 beta 阶段，主打极致低延迟，目标场景是 extraction 位于用户响应路径上的实时工作流。 LlamaParse 是 LlamaIndex 的核心商业产品，提供 Parse（文档解析…
Uno（发音「乌诺」）是 IFM（Institute of Foundation Models）团队开源的离散扩散增强型 LLM 推理框架，核心思想是：不让扩散模型取代自回归模型，而是让扩散模型辅助自回归模型并行生成多个 token，从而在保持输出无损的前提下显著提升吞吐。 传统 LLM 推理慢在「串行」——每个 token 必须等前一个 token 生成完…
Miles 是 RadixArk 开源的企业级大模型 RL 后训练框架（v0.1 发布于 2026 年 8 月 18 日），定位与 OpenAI 的训练+推理协同思路类似，但完全开源。Miles 从 THUDM/slime 分叉而来，与 slime 保持共同演进。 核心架构：SGLang 负责高吞吐 rollout 生成 + NVIDIA MegatronL…
CoEvolving Harnesses and Models: OnPolicy Correction Helps Weaker Models Catch Up Where Imitation Fails 是 Salesforce AI 团队（Zhou Yu、Bin Bi 等）的研究，核心研究问题： 在企业级 Agent 场景下，Harness 演化（优化…
2026 年 9 月 8 日，Salesforce AI 研究团队发布了论文 "CoEvolving Harnesses and Models: OnPolicy Correction Helps Weaker Models Catch Up Where Imitation Fails"（arXiv:2609.09134）。论文研究了一个核心问题：当小模型配…
DisCo（Distillation & Composition）是北京人工智能研究院（BAAI）等团队提出的研究智能体，它不只做研究，还自己构建可执行技能——然后用这些技能反过来提升研究能力。配套产物是 AREXSkill Library：从 1,000+ 个热门 ML 仓库中自动蒸馏出 5,000+ 条已验证技能，覆盖 20 个研究领域和 178 个能力…
Claude Fable 5.1 使用的是与 Claude Fable 5 相同的 tokenizer（该 tokenizer 首次随 Claude Opus 4.7 引入）。相比 Opus 4.7 之前的模型（如 Fable 4、Sonnet 4.6 等），相同文本会多产生约 30% 的 token。 这不是 API 接口的变化——请求格式、流式事件结构完…
Exo 是 a16z 支持的 exoharness/exo 开源框架，定位是「recursive self improvement（RSI，递归自我改进）」的完整 agent + harness 系统。 它本质上是一个完整的 AI agent harness（类似 OpenClaw、Pi 或 Hermes），核心理念是让模型能够看到并修改自己的全部代码和运行…
2026年8月，AI 开发者 @abacaj 在 X 上发了一条简短而犀利的观察： "they need to make models that think less, seems to be the only lever they have is how many tokens it generates while thinking" 这条帖获得 4.5K…
2026年9月1日，开发者 Simon Willison 在整理磁盘空间时（使用 OmniDiskSweeper 扫描 ~/.cache/）偶然发现：OpenAI 的桌面版 ChatGPT（由原 Codex 桌面应用 rebranding 而来）在用户本地静默捆绑了约 1.7GB 的完整运行时环境，位于： ~/.cache/codexruntimes/cod…