信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

  • 主题:Build a Reasoning Model (From Scratch) Round 2: KV Caching 完整实现 | 来源:@rasbt | 链接:https://x.com/rasbt/status/2096596372661113294 | 仓库:rasbt/reasoning-from-scratch | 论文:无 | 硬核点:Sep 9 发，KV 缓存从零实现——greedy decoding、streaming generator、torch.compile 加速全流程基准测试，1 小时视频逐步调试，是推理模型入门的稀缺实操长帖

  • 主题:WebGPU 浏览器端 LLM 微调 PoC: llama.cpp + wllama | 来源:@maximelabonne | 链接:https://x.com/maximelabonne/status/2096456605076476239 | 仓库:ngxson/wllama | 论文:无 | 硬核点:Sep 6 发，浏览器内 backpropagation 首例，llama.cpp 嫁接 WebGPU 计算着色器，LoRA 已在路线图，隐私敏感场景新范式

  • 主题:MoE (Mixture of Experts) 全栈综述:架构、开源实现、评估技巧 | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/1811127876819026283 | 仓库:无 | 论文:无(综述长帖，未附具体 paper 链接) | 硬核点:覆盖 MoE 核心机制与分布式训练实现要点，适合作为 MoE 入门/进阶攻略锚点

  • 主题:Filesystem RAG vs 向量搜索:naive RAG 替换实战 | 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2040154840228323468 | 仓库:无 | 论文:无 | 硬核点:LlamaIndex 官方对比 filesystem grep-style 替换 naive RAG 的具体实现路径，附代码参考，适合 RAG 优化攻略素材

  • 主题:SmolForge: Agent 原生 Git Remote + 每个 Repo 配专属 Coding Agent | 来源:@swyx | 链接:https://x.com/swyx/status/2085450774914756631 | 仓库:swyxio/smol-ai/developer | 论文:无 | 硬核点:Aug 6-7 发，smol.ai/forge Alpha 开放，agent-native git remote 思路 + CI/CD 内置，开发者自主托管项目新范式

其余线索

  • 主题:VESPO: 离线策略 LLM 训练稳定化变分策略优化 (arxiv 2026) | 来源:@_akhaliq | 链接:https://x.com/_akhaliq/status/2025946414665138184 | 仓库:无 | 论文:https://arxiv.org/abs/2602.xxxxx(需核验完整 ID) | 硬核点:变分序列级软策略优化，解决离线 LLM 训练不稳定问题，值得 RL/LLM post-training 攻略跟进
  • 主题:s1 Simple Test-Time Scaling: 1k SFT 数据 + "Wait" token 控制推理长度 | 来源:@rasbt | 链接:https://x.com/rasbt/status/1887861429656514945 | 仓库:无 | 论文:无 | 硬核点:推理时计算 scaling 新范式，1k 精选样本超越大规模数据，适合推理模型调优攻略素材
  • 主题:Netflix LLM-as-a-Judge 多维评分体系:rubric-based eval 实战 | 来源:@cwolferesearch | 链接:https://x.com/cwolferesearch/status/2043751924109857232 | 仓库:无 | 论文:无 | 硬核点:工业级 LLM 评测 rubric 设计案例，多维评分 vs 单分值，可作为评测攻略实操参考
  • 主题:LangChain + Browserbase Deep Agents: Web 深度抓取 Agent 模板 | 来源:@hwchase17 | 链接:https://x.com/hwchase17/status/2050300474927292883 | 仓库:browserbase/langchain-deep-agents | 论文:无 | 硬核点:Deep agent + 搜索/fetch/browser 子 Agent 组合，LangSmith 全链路可观测，适合 Agent 开发入门素材
  • 主题:LLM CLI 0.32 大版本:可见推理追踪 + OpenAI Responses API + 服务端工具 | 来源:@simonw | 链接:https://x.com/simonw/status/2084792341572001871 | 仓库:simonw/llm | 论文:无 | 硬核点:Aug 5 发，Simon 自评"项目发布以来最重要版本"，推理 trace 调试+MCP 2.0 背景值得跟进