信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

  • 主题:LLM 推理 effort 控制：训练时与推理时机制详解 | 来源:@rasbt | 链接:https://x.com/rasbt/status/2078471977237450829 | 仓库:无 | 论文:无 | 硬核点:详细解释 LLM 如何在推理时/训练时切换低/中/高度推理 effort，附完整技术文章（magazine.sebastianraschka.com），280K 播放，Jul 18。

  • 主题:X MCP Tools 技能：3 步搭建本地 X 情报流 HTML 页面（X API + MCP + agent artifact） | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2078573267015885136 | 仓库:dair-ai/dair-academy-plugins | 论文:无 | 硬核点:完整 step-by-step 实操教程：X API MCP 配置 → skill 安装 → prompt 生成 HTML feed，可定时自动化，实用度高，Jul 18。

  • 主题:Agent Teams 实战：用 LLM Council 构建多角色 AI 研究团队（@raft_hq） | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2077765052434633023 | 仓库:无 | 论文:无 | 硬核点:并非简单多 agent，关键是角色与目标设定方法论，配 raft_hq 平台实战演示，Jul 18。

  • 主题:World Modeling 作为 RL agent 密集监督信号：联合训练 SFT+RL、observation filtering、过拟合处理 | 来源:@cwolferesearch | 链接:https://x.com/cwolferesearch/status/2079214560943198614 | 仓库:无 | 论文:https://arxiv.org/abs/2506.06266 | 硬核点:为何工具输出可作为环境 dense supervision；joint RL/SFT 训练权重平衡；observation filtering 防止过拟合；PrimeIntellect True Agents 论文支撑，Jul 20。

  • 主题:ParseBench：最全面 VLM 文档理解评测基准（CVPR 2026），2k 页真实企业文档 + 多维评估指标 | 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2062535626491412621 | 仓库:无 | 论文:https://arxiv.org/abs/2604.04xxx（ArXiv link in post） | 硬核点:文档语义理解是 AGI-complete 问题；表格/图表/visual grounding/fidelity 多维评测；LlamaIndex CEO 亲自发，Jul 初（CVPR 2026 期间）。

其余线索

  • Long-Horizon-Terminal-Bench：终端密集奖励长程任务评测基准，AK（@_akhaliq）Jul 13 分享，huggingface paper page。
  • GroundWorld Simulation Models in Real-World Metropolis：ECCV 2026 论文，AK RT，huggingface.co/papers/2603.15xxx。
  • Think in Strokes, Not Pixels：ECCV 2026 论文，过程驱动图像生成，AK RT。
  • Claude Code 团队访谈（simonw @aiDotEngineer）：视频 + annotated transcript 已发布，Jul 21，非技术长帖，归入观察线。