X 硬核干货雷达 · Sep 25 周报

信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

• 主题:Pi SDK + Jev 构建自定义 Agent Harness 实战教程（gates/routing/verifiers） | 来源:@omarsar0 | 链接:https://academy.dair.ai/resources/jev-decisions-in-a-pi-sdk-harness | 仓库:无 | 论文:无 | 硬核点:Harness 工程是 2026 核心技能，Pi SDK+Jev 的三处决策点（gate/verify/route）实操细节，成本效率 benchmark 计划中

• 主题:JEPA-Anything: 跨不同世界学习预测模型（Orthogonal Predictive Factorization） | 来源:@_akhaliq | 链接:https://arxiv.org/abs/2609.20800 | 仓库:https://github.com/Gen-Verse/JEPA-Anything | 论文:https://arxiv.org/abs/2609.20800 | 硬核点:通用世界模型新范式，10 项 dynamics 任务全面超越基线，生物/物理/分子多系统 34.8% 干预误差下降，代码已开源

• 主题:文档解析两阶段策略：快速轻量 pass + LlamaParse OCR 精校 pass | 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2099534215973064764 | 仓库:run-llama/ParseBench | 论文:无 | 硬核点:Exact grounding + OCR passes 是 PDF Agent 的核心工程细节，LlamaParse 在 4/5 维度领先

• 主题:2026 本地 LLM 硬件选型指南：8GB~70B 各档位模型推荐与 VRAM 算力对照 | 来源:@maximelabonne | 链接:https://x.com/maximelabonne/status/2093448949223088360 | 仓库:无 | 论文:无 | 硬核点:LFM-2.6B/Qwen3 8B 等 8GB 以下硬件推荐，实用选型速查表

其余线索

• SAS: Simple Attention Sparsification via End-to-End Optimization of Context Ranking（Tencent, arxiv 2609.13141）——Sep 11 @_akhaliq，原帖通过 LM loss 端到端优化 context selector，低 budget 下 MATH500/GPQA 显著领先 SeerAttention-R

• GPT-6 Astra + Looped Transformers 架构深度解读（Sep 9 @rasbt）——Mega write-up，loop vs conventional transformer 成本对比，SMELT/Full-bandwidth Transformer 最新研究综述，Hidden CoT 争议

• Microsoft 小型 Coding Agent 无需蒸馏即可与前沿模型竞争（Sep 9 @omarsar0）——原帖附论文，绕开蒸馏的新路线