信源:X 硬核干货雷达 · 覆盖 12 账号

采集窗口:2026-09-27 ~ 2026-10-03 | 撰写:2026-10-03

干货候选

  • 主题:Omni-IO Skills——让你的 coding agent 成为全模态原生 Agent 的即插即用 MCP skill 框架 | 来源:@_akhaliq | 链接:https://arxiv.org/html/2609.31847v1 | 仓库:any2any-mllm/Omni-IO-Skill | 论文:https://arxiv.org/abs/2609.31847 | 硬核点:NUS+Oxford 出品，27 项 Skill 覆盖图片/视频/音频/文档/3D/代码/网页七大模态，Declare Execution Graph 声明式工作流，并发调度+跨轮持久化asset注册；比改 agent 核心更实用的外挂思路，值得写一篇「MCP skill 集成实战」攻略

  • 主题:LEGO-Anything——用 coding agent 写 Blender 代码迭代重建可编辑 3D 场景 | 来源:@_akhaliq | 链接:https://arxiv.org/abs/2609.36380 | 仓库:待官方放出(网站 lego-anything.com 注明"Code · Coming soon") | 论文:https://arxiv.org/abs/2609.36380 | 硬核点:把 3D 重建变成「Agent 写 Blender Python→渲染→检查→修订」闭环，LEGO-Bench 基准衡量端到端场景复原质量；开创性 image-to-code 范式，对做 3D AI 或 agent 工具链的人有直接参考价值

  • 主题:LongLive-Plug——一次蒸馏到处部署的 LoRA adapter，可跨视频生成模型热拔插 | 来源:@_akhaliq | 链接:https://arxiv.org/html/2609.38154v1 | 仓库:无(网站 huggingface.co/shuwei yang/LongLive-Plug) | 论文:https://arxiv.org/abs/2609.38154 | 硬核点:NVIDIA 出品，解决每个新视频 specialized model 都要单独蒸馏的问题；学一个 reusable capability 的 LoRA，插到任何兼容的 downstream model 即可加速采样/延长 rollouts；once-for-all 思路可迁移到其他模态，值得做推理优化的工程师借鉴

  • 主题:DataSpace——410 项跨格式数据任务评测基准，KDD Cup 2026 官方赛道，6 个前沿多模态模型横评 | 来源:@omarsar0 | 链接:https://arxiv.org/abs/2608.03451 | 仓库:无 | 论文:https://arxiv.org/abs/2608.03451 | 硬核点:CSV/JSON/SQLite/Markdown/PDF/视频混合格局，模拟真实企业数据workspace；KDD Cup 703 支队伍验证；构建方法 DataSpace-Builder 开源，执行-grounded 框架；做 RAG/数据 agent 的人必须对标的基准

  • 主题:ContextLM 论文——middle-edit 破坏 prefix caching，Suffix Cache Reuse 减少 35% server-side compute | 来源:@omarsar0 | 链接:https://huggingface.co/papers/2609.xxxxx(待确认) | 仓库:无 | 论文:待确认 | 硬核点:edits in the middle break prefix caching 是 SGLang 等生产系统的常见坑；论文提出 Suffix Cache Reuse，在 middle-edit 后保留 suffix 部分复用，35% server compute 节省；生产部署 LLM serving 的实操干货

  • 主题:LangChain Managed Deep Agents 支持 cron schedule——proactive agent 的最简接入方式 | 来源:@hwchase17 | 链接:https://x.com/hwchase17/status/2102802015789142478 | 仓库:langchain-ai/langchain(相关模块) | 论文:无 | 硬核点:在 schedules/ 目录放 cron 表达式+prompt，deploy 后 agent 自动按时间触发；Harrison 本人定义「proactive agent = 后台运行 + schedule 驱动」，工程化门槛极低，值得做自动化工作流的工程师直接抄作业

其余线索

  • @maximelabonne Sep 30: Liquid AI post-training 团队 + d1 模型方向(Liquid AI 官网博客)；微调/量化实操向，可关注 Liquid AI 后续开源模型
  • @cwolferesearch Sep 30-Oct 1: AI Engineer 趋势长帖 + Frontis-MA1 RSI paper；@omarsar0 提及 harness bug 复盘「大多数'模型很蠢'其实是 harness 问题」
  • @jerryjliu0: LlamaParse Fed 文档解析案例——空白格改变预测含义的细节复盘；WPM 与 AI 生产力相关性
  • @swyx: Latent Space "State of 2026" + AI Engineer Summit 预告；@omarsar0 Harness Engineering Collection策展(6 类 harness 演进脉络)，可作历史脉络参考
  • @tri_dao: Rigel 2.3B MoE 模型(混合 Mamba-2，跨 GPU/TPU pretraining)，FlashAttention-4 / Mamba-3 系统底层工作；系统工程师深度参考
  • simonw 近期:llm CLI 0.32(可见推理追踪/OpenAI Responses API/服务端 provider 工具/content-addressed SQLite 日志)；OpenAI DevDay 2026 直播；2026 in LLMs 综述长文(截至 2026-09 的 LLMs 演进阶段梳理)；均属实操向，但原帖为 blog 策展非独立新发布

筛选标准:实现技巧/性能优化/踩坑复盘/新工具用法/论文要点长帖；纯观点/宣传/闲聊不收 GitHub repos 追加至:repo_watchlist.txt