信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

  • 主题:果蝇脑连接组驱动文档解析——神经科学 × AI 的跨域技巧 | 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2099168936059437206 | 仓库:github.com/jerryjliu/fly_… | 论文:无 | 硬核点:用 Drosophila MaleCNS 连接组模型做 PDF 解析，附完整代码+报告，交叉学科技巧极为罕见

  • 主题:Google 论文——自动优化 Agent Harness 会导致 Eval 分数↑但真实任务变差 | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2102853768266256738 | 仓库:无 | 论文:待确认(Google research,2026) | 硬核点:关键踩坑复盘—— harness 自动优化会让 eval 虚高但 agent 实际能力退化，5 种方法对比，需写攻略警示

  • 主题:Claude Code 真正秘密——不只是模型：结构化 Session Memory / Subagents / 文件去重 | 来源:@rasbt | 链接:https://x.com/rasbt/article/2038980345316413862 | 仓库:无 | 论文:无 | 硬核点:Claude Code 内部工程揭秘，5 个大多数人选型时忽略的工程细节，对标 SWE-bench 复盘价值高

  • 主题:LiteParse v2——Rust 重写 world's fastest PDF parser，精度超所有开源无模型方案 | 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2059710330016817501 | 仓库:待确认 | 论文:无 | 硬核点:完整 Rust 重写+ benchmarks 对比 pymupdf/pypdf/markitdown 等，实操性极强的工程踩坑复盘

  • 主题:WHALE——同时优化 LLM 权重 + Harness，突破 harness-only 优化瓶颈 | 来源:@cwolferesearch | 链接:https://x.com/cwolferesearch/status/2091872097723359673 | 仓库:待确认(arxiv 2609.00196) | 论文:https://arxiv.org/abs/2609.00196 | 硬核点:Harness 优化遇到 plateau 后的新解法，同时更新模型权重和 harness，简单 recipe，代码已开源

  • 主题:浏览器内 Fine-tuning——WebGPU + llama.cpp / wllama 原型验证，LoRA 支持开发中 | 来源:@maximelabonne | 链接:https://x.com/maximelabonne/status/2099168936059437206 | 仓库:github.com/ngxson/wllama | 论文:无 | 硬核点:端侧 fine-tuning 新范式预告，浏览器跑 fine-tuning 而非推理，工程可行性突破信号

  • 主题:GPT-5.6 Astra vs Qwen3.8 Max 计算机使用基准——同一 Paint 任务不同 harness 表现差异显著 | 来源:@rasbt | 链接:https://x.com/rasbt (Sep 15 post) | 仓库:无 | 论文:无 | 硬核点:直观展示 harness 对 LLM 效果的影响，benchmark 设计思路值得借鉴

  • 主题:MOPD——Multi-Teacher On-Policy Distillation，2026 后训练新范式，MiMo/Kimi K3/DeepSeek-V4 已在用 | 来源:@cwolferesearch | 链接:https://x.com/cwolferesearch (Sep 2) | 仓库:无 | 论文:待确认 | 硬核点:新 post-training paradigm 出现，从单一 RL teacher 吸收多能力的实操方向

其余线索

  • 主题:JIT Agent Harness——动态生成 harness 的思路，原帖附 Chat with Paper | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2093056965568332236 | 仓库:无 | 论文:https://arxiv.org/abs/2608.25593 | 硬核点:harness 动态化是趋势，值得留档

  • 主题:RL 中 Importance Sampling 原理——PPO 目标函数、训练/推理分布不匹配问题 | 来源:@cwolferesearch | 链接:https://x.com/cwolferesearch/status/2098436272855355478 | 仓库:无 | 论文:无 | 硬核点:RL 基础技巧长帖，适合作为 RLHF 入门材料存档

  • 主题:Raspberry Pi 平均 Prefill Speed 基准数据 | 来源:@maximelabonne | 链接:https://x.com/maximelabonne (Sep 4) | 仓库:无 | 论文:无 | 硬核点:端侧 LLM 部署性能参考数据，工程参考价值

  • 主题:Claude Code 结构化 Session Memory 机制——markdown 文件分区 (Current State / Errors & Corrections / Learnings 等) | 来源:@rasbt | 链接:https://x.com/rasbt/article/2038980345316413862 | 仓库:无 | 论文:无 | 硬核点:已在干货候选中深入，此为备份存档线索