信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

• 主题:AutoSaddler——把 Agent Harness 当代码学，自动从失败 traces 打补丁优化性能 | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2092246879702769956 | 仓库:microsoft/AutoSaddler | 论文:https://arxiv.org/abs/2608.23041 | 硬核点:Microsoft 自动化优化 agent harness 新范式——GAIA2 +9.0%、SWE-Bench Pro +9.6%、Terminal-Bench 2.0 +10.0%，实现技巧+踩坑复盘，值得写攻略
• 主题:Apodex 1.1——扩展 Agent 智能复杂任务的模型+运行时系统(Environment Scaling + Agentic Coordination Scaling) | 来源:@_akhaliq | 链接:https://x.com/_akhaliq/status/2092269176710631758 | 仓库:无 | 论文:https://arxiv.org/abs/2608.23283 | 硬核点:IMO 2026 从 13.0→30.5(SOTA)，Agent Team 协作调度值得写攻略，但 AK 原帖仅论文链接，无实现细节，降至次选
• 主题:ExtractBench——文档提取 Word-Level 精确引用基准，专用 API 设计决策与评分机制踩坑复盘 | 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2089710424388202565 | 仓库:run-llama/ExtractBench | 论文:无 | 硬核点:Jerry Liu 详解为何主流 VLM 词级 grounding 差——IoU 0.5 严格评分，只有值+引用都对才给分；LlamaParse 对应方案是实现技巧，可写攻略

其余线索

• @abacaj (Anton):「byte-identical」行为观察——同一模型高频输出完全一致，8月19日贴，观点类，留档参考
• @maximelabonne: LFM2.5-Encoder CPU 推理加速——3.7x faster than ModernBERT-base on CPU，7月28日贴，模型发布，无实现细节
• @abacaj: GLM 5.3 Flash on high effort「最完美本地模型」——8月29日极短贴，观点，无 repo
• @tri_dao: DiG-bench 评测——纯文本发现游戏 benchmark，8月12日贴，论文 Announcement，留档参考