信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

  • 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:https://x.com/maximelabonne/status/2074495376204210388 | 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、可测

  • 主题:LLM 生产级检索三件套——语义搜索 + keyword grep + 文件列表，混合检索 alpha 可由 agent 动态调节 | 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2078537490932384136 | 仓库:run-llama/legacy | 论文:无 | 硬核点:语义搜索 solo 已被反复验证不够用，这条把 hybrid search+grep+list 三个工具串进 agent reasoning loop 的设计细节值得写攻略

  • 主题:MiniMax-H3 多模模型本地 Mac 跑通——M5 Pro MLX 量化版，115GB 模型约 45 分钟生成，含 PipeNetwork/mi CLI 踩坑记录 | 来源:@simonw | 链接:https://x.com/simonw/status/2084719663930564626 | 仓库:PipeNetwork/mi | 论文:无 | 硬核点:多模生成模型本地 Mac 推理实操指南，含显存/时间/工具链具体数字，可直接复现

  • 主题:ParseBench——2k 页真实企业文档 VLM 理解基准，含表格/图表/视觉定位/语义格式/内容忠实度全面评测，CVPR 2026 | 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2062535626491412621 | 仓库:run-llama/ParseBench | 论文:无 | 硬核点:企业文档解析是 AGI-complete 难题，benchmark 覆盖维度完整，是评估文档 AI 能力的系统性工具

  • 主题:ThinkingCap-Qwen3.6-27B 思考 token 减半——finetuning 后平均减少 50%，最优 case 减少 90%+，GSM8K 精度提升，Apache 2.0 | 来源:@_akhaliq | 链接:https://x.com/_akhaliq/status/2074195249732128870 | 仓库:bottleapai/ThinkingCap-Qwen3.6-27B | 论文:无 | 硬核点:推理 token 压缩 50-90% 且精度提升，有完整 repo 可复现，是性价比优化方向直接参考

  • 主题:LFM tokenizer 双倍扩容——从 65K→128K，泰语 4.0x token 节省，越南语 2.6x，印地语 2.4x，2.2-3.7x 训练加速 | 来源:@maximelabonne | 链接:https://x.com/maximelabonne/status/2079582400019931633 | 仓库:liquidai/lfm | 论文:无 | 硬核点:pretrained tokenizer 原地扩容实操配方，非重新训练，多语言场景性价比极高

其余线索

  • @swyx 指出 AI 网站性能优化已成"一键搞定"：一次 prompt 优化带来 LCP/FCP/Speed Index 38-56% 提升，成本 $5/5 分钟——有数字但无 repo，适合留存
  • @maximelabonne LFM2.5-Encoder 新版：CPU 上比 ModernBERT-base 快 3.7x，<30s vs >90s，纯模型发布，无独立训练脚本
  • @_akhaliq 转推 ICLR 2026 全部 4361 篇论文可在 Papers with Code 浏览——论文导航线索，无单篇展开
  • @cwolferesearch 分析训练 tool outputs 为什么提升 agent：world model 本质是把环境观测转为 agent 友好格式（类似 raw→QA），Prime Intellect ECHO 论文支撑
  • @hwchase17 LangSmith Gateway 公测：per-end-user 限费、rate limiting、PII 脱敏、OSS 模型接入（kimi-k3）——产品功能发布，无 repo 链接
  • @abacaj "最好的 agent 工具是 code"——哲学观点，无具体实现