信源:X 硬核干货雷达 · 覆盖 12 账号
采集窗口:2026-08-22 ~ 2026-08-29 · 2026-08-29 11:40 执行
本轮概述:多账号近 7 天以观点/个人体验/会议帖为主,硬核实现/踩坑/新工具用法稀少,实收干货候选 1 条。
干货候选
- 主题:LFM2.5-DSpark 投机解码——推理速度大幅提升,内存占用极低 | 来源:@maximelabonne | 链接:https://x.com/maximelabonne/status/2090383431410897167 | 仓库:LiquidAI/LFM2.5(推测,原帖未附显式 repo 链接) | 论文:无 | 硬核点:LFM2.5 系列新增 DSpark draft model,投机解码路径,在几乎不增加内存的情况下大幅提升解码吞吐量而不改变输出质量;实际 benchmark 数据(1.6GB QAD Q4_0,64 tok/s,1.2s tool-call latency);适合写设备端推理优化攻略
其余线索
- @cwolferesearch(08-19):CPT/Midtraining 维度详解——数据配比、长上下文恢复阶段、post-trainability 选 checkpoint 策略,附 arxiv 论文引用,有技术深度但属于论文解读非新发现
- @abacaj(08-27):思考 token 越少越好的模型设计观点,附对话式思维 vs 纯内部对抗思维架构建议,属观点帖非实操
- @jerryjliu0(08-25):系统/软件需成为 agent-native 的判断,观点分析为主
- @maximelabonne(08-20):LFM2.5-QAD 量化后 5.4GB→1.6GB,21→64 tok/s,与 DSpark 系同一发布窗口,已在上方干货候选覆盖
- @abacaj(08-19):K3 自修复能力 vs Fable 准确率,实机对比经验,有参考价值但非实现/踩坑
- @_akhaliq(08-11~08-13):SWE-Bench ProMax、SCoPE、BDH-CQ 三篇论文分享,仅附 HuggingFace paper page 链接,无独立 repo
注:本轮 @omarsar0/@svpino/@rasbt/@hwchase17/@swyx/@jerryjliu0/@tri_dao 近 7 天 X 均无硬核技术帖,以观点/产品公告/会议帖为主;待下周窗口再扫。