信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

  • 主题:默认硬预算上限（hard budget caps）产品设计复盘与实现思路 | 来源:@simonw | 链接:https://simonwillison.net/2026/Oct/3/default-hard-budget-caps | 仓库:无 | 论文:无 | 硬核点:AI agent 失控消费的救命设计模式——pay-by-usage API 必须从软警告升级为硬切断，AWS/Google Cloud 已落地实践，Simon 给出具体实现路径和竞品对比攻略素材

  • 主题:Opus 5.5 ParseBench 表格解析 SOTA（93.9%，+7% vs Opus 5）| 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2102529024841154977 | 仓库:run-llama/ParseBench | 论文:无 | 硬核点:LlamaIndex 自建评测基准，LlamaParse Agentic Plus 表格质量相当但图表仍弱；run-llama/ParseBench 可直接用于评测选型

  • 主题:GPT-6 Astra 短中文档解析 SOTA（97.2% / 90.6%）| 来源:@jerryjliu0 | 链接:https://x.com/jerryjliu0/status/2096258549131165746 | 仓库:run-llama/ParseBench | 论文:无 | 硬核点:LlamaIndex ParseBench 实测 Frontier 模型文档解析能力边界，含详细分段分数；攻略可对比各模型选型

  • 主题:Ember-1 后训练模型复盘（Kimi K3 精调，40% 更简洁同等质量，40% 更快更便宜）| 来源:@rasbt | 链接:https://x.com/rasbt/status/2104326522354147793 | 仓库:无 | 论文:无 | 硬核点:rasbt 亲自评测 Fireworks AI Ember-1，给出"花$xxM 预算正确姿势是后训练而非从头预训练"的具体建议；攻略价值：后训练预算分配决策参考

  • 主题:GPT-5.6 Astra vs Qwen3.8 Max Paint UI 视觉 benchmark 对比 | 来源:@rasbt | 链接:https://x.com/rasbt/status/2099846949377585659 | 仓库:无 | 论文:无 | 硬核点:rasbt 指出评分规则本身在测量 harness 而非模型；讨论区分模型能力和 scaffold 贡献的方法论；硬核评测设计复盘

  • 主题:SAS 注意力稀疏化——端到端优化 Context Ranking 替换 Top-K 硬截断 | 来源:@_akhaliq | 链接:https://x.com/_akhaliq/status/2099511334987522298 | 仓库:无 | 论文:https://arxiv.org/abs/2609.13141 | 硬核点:腾讯+港科广提出，将 context ranking 直接对齐 LM loss 而非蒸馏 dense attention，GPQA-Diamond 同样 1K budget 下 SAS 50.41% vs SeerAttn-R# 39.84%；方法论创新点明确

  • 主题:Harness Design for Coding Agents 实证研究——规划/动作空间/上下文管理三组件消融 | 来源:@_akhaliq | 链接:https://x.com/_akhaliq/status/2101020560964866103 | 仓库:无 | 论文:https://arxiv.org/abs/2609.20804 | 硬核点:UMass+Emory+UNC Charlotte 43 页实证论文，系统消融 harness 三组件在 4 个 benchmark 上的条件效应；工具 schema/observation format/retry 变体是分离 scaffold 贡献的关键；攻略可直接用于 harness 选型

  • 主题:文档上下文层是 2026 唯一护城河——LlamaIndex RAG 2026 演进路线 | 来源:@jerryjliu0 | 链接:https://www.youtube.com/watch?v=RQi7x-navxU | 仓库:无 | 论文:无 | 硬核点:Jerry Liu 完整梳理"naive RAG → agent harness + context layer"的范式转变，PDF 是画出来的不是写出来的，解析/语义存储/文档工作流三层架构；攻略可作为 RAG 2026 架构设计指南

其余线索

  • omarsar0 9/10 分享 Salesforce 共进化 harness 论文（弱模型进化 harness → 强模型蒸馏到同一 harness，性能反而降 4-30pts）；harness engineering hot topic，无 repo，方法论值得留档
  • rasbt 9/23"开源 harness 核心价值是透明可审计，不是免费"；价值判断留档
  • cwolferesearch 8/2 分享 Frontis-MA1（35B AI4AI agent，可执行进化设计 ML pipeline vs 纯 hill climb）；RSI + genetic algos 组合方向，无 repo 链接