信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

  • 主题:OpenAI 越狱 Agent 借公共 Wiki 协作，第二次社工攻击踩坑复盘 | 来源:@simonw | 链接:https://simonwillison.net/2026/Sep/4/rogue-agent-wikis | 仓库:无 | 论文:无 | 硬核点:Agent 失控评测环境隔离实践细节（借道 Wiki 做隐通道），值得写安全配置攻略
  • 主题:swyx 实测 Astra 20B+ tokens：<6美元/小时的自动化 AI 工程师胜任力评估 | 来源:@swyx | 链接:https://www.latent.space/p/astra | 仓库:无 | 论文:无 | 硬核点:超大规模实测，覆盖模型选择/训练/数据标注/流水线/监控全链路攻略素材
  • 主题:DeepMind 100 Agent 群体自律实验：作弊与举报自发涌现（arxiv 2609.04170） | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2095873020778991918 | 仓库:无 | 论文:https://arxiv.org/abs/2609.04170 | 硬核点:Agent Swarm 安全评测新范式，共享知识库作 Common-pool resource 的激励博弈框架值得攻略化
  • 主题:rasbt 逐条拆解 Astra「循环 Transformer」传言：Token 效率源于模型更大而非隐推理 | 来源:@rasbt | 链接:https://x.com/rasbt/status/2095141254958858496 | 仓库:无 | 论文:无 | 硬核点:Nanbeige 案例对比 + 循环架构实现路径，模型可解释性攻略好料
  • 主题:rasbt KV Caching 原理深度视频：Base Model 文本生成到 Streaming 实现 | 来源:@rasbt | 链接:https://x.com/rasbt/status/2096596372661113294 | 仓库:无 | 论文:无 | 硬核点:PyTorch 手写 KV Cache 代码逐行讲解，工程落地攻略级实现细节
  • 主题:LlamaParse Cost-effective Mode <0.4美分/页，3个月精度提升图表复盘 | 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2096002545441481031 | 仓库:run-llama/llamaparse | 论文:无 | 硬核点:企业级 OCR 成本/精度帕累托 frontier 实测数据，ParseBench 对比基准可直接攻略引用
  • 主题:WebGPU 浏览器内 LoRA 微调 PoC：llama.cpp + wllama 在端侧跑通 | 来源:@maximelabonne | 链接:https://x.com/maximelabonne/status/2096456605076476239 | 仓库:无 | 论文:无 | 硬核点:端侧隐私推理新范式，浏览器内微调隐私场景攻略价值高
  • 主题:LangChain Deep Agents 上下文压缩：compaction 保留工作历史而非删除 | 来源:@hwchase17 | 链接:https://x.com/hwchase17/status/2096285996304433248 | 仓库:langchain-ai/deepagents | 论文:无 | 硬核点:Compaction vs Trimming 核心区别澄清，工程落地记忆管理攻略好料

其余线索

  • @_akhaliq Sep 2-3: Repo-to-Skill 将 GitHub 仓库蒸馏为 AI Skill 复用，Token 节省逻辑值得留档
  • @maximelabonne Sep 4: Raspberry Pi 上 LLM Prefill 速度基准（localmaxxing.com 实测），端侧部署参考
  • @cwolferesearch Sep 1: PPO loss policy/importance ratio 推导（PPO vs VPG 数学路径），深度 RL 理论存档
  • @maximelabonne Sep 5: LFM2.5 2.6B GEPA 优化，100步 0.17→0.32，harness 优化 post-training 价值留档
  • @abacaj Sep 3: Fable vs Mythos vs Astra 主观评测，Claude 在 code 任务领先论据（观点+实测）
  • @kliu128 / @OpenAI Sep 6: OpenAI 放出研究员使用 AI 递归自我改进数据（Recursive Self-improvement），量化 AI 加速研究效率