信源:X 硬核干货雷达 · 覆盖 12 账号

干货候选

  • 主题:Qwen3-14B 在同 harness 内训练 Spider 2.0-SQLite 从 22.2% 飙至 54.8% | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2109287161199812802 | 仓库:无 | 论文:无 | 硬核点:Qwen3-14B 在目标执行 harness 内联合训练可带来 2.5 倍性能跃升，是 harness co-design 的实战复盘

  • 主题:Meta Superintelligence Labs 多智联网 persistent memory 架构——长程 Agent 复合推理的具体实现方案 | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2109287161199812802 | 仓库:无 | 论文:无 | 硬核点:三层 Agent chain-of-agents + persistent memory 实操架构，inference-time 计算Scaling的具体路径

  • 主题:Sakana AI 递归自我改进论文——多 Agent 自监督替代外部 verifier，解决开放式任务无 ground-truth 问题 | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2108934334589857850 | 仓库:无 | 论文:无 | 硬核点:递归自我改进新范式，open-ended 任务无需外部验证器即可 Scaling

  • 主题:自改写 coding harness 匹配 Codex 水平，Terminal-Bench 2.1 达 82%，成本 $4.03 | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2107123966792052859 | 仓库:无 | 论文:无 | 硬核点:Agent 自改写 harness 的最小化成本路径，SWE Dollar-per-point 工程标杆

  • 主题:生产 Agent traces 是最有价值的 eval 数据——DigitalOcean Signals 将用户受挫 session 一键转 eval 并用真实 harness 回放 | 来源:@omarsar0 | 链接:https://x.com/omarsar0/status/2109666287429255516 | 仓库:无 | 论文:无 | 硬核点:生产失败 session → eval 数据 → fix 验证的完整闭环工程实践

  • 主题:Reasoning from Scratch Round 6——RLVR + GRPO 全 from-scratch 实现(Verifiable Rewards/Policy Clipping/KL Term/Format Rewards) | 来源:@rasbt | 链接:https://x.com/rasbt/status/2108908657786355788 | 仓库:rasbt/reasoning-from-scratch | 论文:无 | 硬核点:从零实现 RLVR/GRPO 训练流水线的完整代码路线图，含 CLIP 比率/KL 正则/GRPO 调参技巧

  • 主题:RLVR Round 2——clipped policy ratios、KL loss term、format rewards 及 GRPO 实战调参 | 来源:@rasbt | 链接:https://x.com/rasbt/status/2106374448060248318 | 仓库:rasbt/reasoning-from-scratch | 论文:无 | 硬核点:GRPO 工业调参核心技巧：policy clipping + KL penalty 协同工作原理

其余线索

  • @cwolferesearch (Oct 1): Nemotron 技术报告发现——MOPD 多教师蒸馏中部分教师两两不兼容，on-policy rollouts 训练 student 的工程细节
  • @maximelabonne (Sep 29): Liquid AI d1 决策模型开源，HuggingFace Decision Index 超 Jev，多语言/prompt injection 鲁棒性数据
  • @maximelabonne (Sep 6): WebGPU 浏览器内 LLM fine-tuning PoC，llama.cpp + wllama 实现 LoRA 待完成
  • @hwchase17 (Oct 9): LangChain Managed Deep Agents 发布——durable workflows + LangGraph/LSD + LangSmith Sandboxes 整合路线图
  • @swyx (Oct 7): 2026 年 10 月 workhorse coding agent 投票(Cursor/Claude Code/其他)，社区选型数据点
  • @cwolferesearch (Oct 1): Multi-Teacher On-Policy Distillation (MOPD)——student 在自己 rollouts 上训练，teacher 不兼容问题的具体案例