信源:X 硬核干货雷达 · 覆盖 12 账号

本轮扫描时间: 2026-07-26 · 覆盖账号: @omarsar0, @_akhaliq, @rasbt, @svpino, @simonw, @hwchase17, @jerryjliu0, @swyx, @maximelabonne, @tri_dao, @cwolferesearch, @abacaj

干货候选

  • 主题: LlamaParse Retrieval Harness——2026 RAG 新范式：agent 原生文档遍历工具集 | 来源: @jerryjliu0 | 链接: https://x.com/jerryjliu0/status/2071729856900215261 | 仓库: run-llama/legacy | 论文: 无 | 硬核点:混合检索+文件 grep+分段读取代盲目 chunk 注入，agent 可自主决定检索路径，RAG 工程化的实质性演进；附参考实现可复现

  • 主题: LangChain Deep Agents × Baseten × NVIDIA Nemotron 3 Ultra——model-harness 协同开发成为 agent 能力突破关键路径 | 来源: @hwchase17 | 链接: https://x.com/hwchase17/status/2074879882061095005 | 仓库: langchain-ai/deepagents | 论文: 无 | 硬核点: harness 与模型共同迭代而非单独优化模型，benchmark 超越原始基线；已落地生产，含代码可上手

  • 主题: 自进化 agent 新研究——evolver 用便宜模型、solver 用贵模型，增益落在 solver 侧 | 来源: @omarsar0 | 链接: https://x.com/omarsar0/status/2061460266186125703 | 仓库: 无 | 论文: https://arxiv.org/abs/社区已解读 | 硬核点:颠覆直觉的开销分配结论：强模型写 prompt 不等于强 evolver；微软研究团队实验验证，可直接指导 agent 系统资源分配

  • 主题: Read It Back——预训练 MLLM 可作文生图零样本 reward model，无需微调 | 来源: @_akhaliq | 链接: https://x.com/_akhaliq/status/2077420925503353037 | 仓库: 无 | 论文: huggingface.co/papers/社区已收录 | 硬核点:即插即用型图文评估信号，绕过专门训练的评估器，适用于 T2I 模型快速迭代

  • 主题: ABot-World-0——单张桌面 GPU 无限交互世界 rollout，开源可复现 | 来源: @_akhaliq | 链接: https://x.com/_akhaliq/status/2079945993110393041 | 仓库: 无 | 论文: huggingface.co/papers/ABot-World-0 | 硬核点:单卡训练 agent 世界模型，成本从集群降至消费级 GPU，推动 agent 物理仿真民主化

  • 主题: Build a Reasoning Model (From Scratch)——440 页全彩新书，从预训练底座到 RL/蒸馏推理能力完整路径 | 来源: @rasbt | 链接: https://sebastianraschka.com/blog/2026/build-a-reasoning-model-from-scratch-is-out.html | 仓库: rasbt/reasoning-from-scratch | 论文: 无 | 硬核点:推理 scaling、后训练 RL、蒸馏代码全部 from scratch；配 Jupyter Notebook 可直接跑；工程化程度极高的推理模型实现指南

  • 主题: Rubric-Based RL 系统性综述——15+ 论文覆盖，从 LLM-as-Judge 到 rubrics-as-rewards 演进路径 + RLVR 扩展方法 | 来源: @cwolferesearch | 链接: https://x.com/cwolferesearch/status/2023408158065188894 | 仓库: 无 | 论文: arxiv 多篇（见帖子） | 硬核点:非可验证领域用 rubric 代替硬奖励信号的系统性方法论，附 Dr. Tulu 等具体案例；长文技术综述价值高

其余线索

  • @omarsar0：Fractal 框架帖子（节点 git worktree + 节点间消息 + 持久化 wiki），多节点 agent 架构灵感
  • @_akhaliq：SEED: Self-Evolving On-Policy Distillation for Agentic RL（Hugging Face Daily Papers 2026-07 精选），强化学习自演进新范式
  • @cwolferesearch：Jul 11 ECHO 论文 + Prime Intelpect empirical analysis + PaW + Qwen-AgentWorld 等 4 篇世界模型/agent 论文清单，适合系统调研
  • @swyx：AI Engineer World's Fair 2026 总结——Loopcraft（循环编排）、Harness Engineering（Anthropic Mike Krieger 闭幕演讲），AI 工程化进入"系统构建"阶段
  • @hwchase17：LangGraph 1.3.14 于 Jul 16 释出（生产就绪），deepagents deploy 单命令横向扩展发布；LangSmith Sandboxes GA
  • @simonw：LLM CLI shebang 技巧（#!/usr/bin/env -S llm -f），将 LLM 能力嵌入脚本化工作流；LLM 0.32a0 重大重构（Apr 29），为 reasoning model 优化