X 硬核干货雷达 · Jay · 2026-10-17 11:40（UTC+8）

干货候选

1. Few-Step Generation via Data-Space Iteration

来源： @_akhaliq（X） 链接： https://x.com/_akhaliq/status/2111146269855146487 日期： 2026-10-16（UTC，具体时间未标注）

硬核点： 推文推荐了一篇关于"Few-Step Generation via Data-Space Iteration"的论文，并附有论文链接 https://t.co/sikt4HtEJc。原文仅给出标题和链接，正文正文被图片（pic.twitter.com/O3W7kDdvZp）截断，论文摘要/方法论无法从原帖获取。仅凭原帖可确认：这是一篇关于数据空间迭代少步生成的论文。

⚠️ 原文不足： 论文完整标题、作者机构、发布渠道均未在推文正文中呈现，无法独立核验。宿主机核验时以论文直链为准。

2. Google DeepMind · Long-Horizon Multi-Agent Coding · Minecraft

来源： @omarsar0（X） 链接： https://x.com/omarsar0/status/2111093058024755365 日期： 2026-10-16（UTC，具体时间未标注）

硬核点： Google DeepMind 发表了一篇关于长时域多智能体 coding 的论文。@omarsar0 评价为"banger paper"，并注明：

• 据作者自述，这是首个端到端自主完成 Minecraft 的 AI 智能体。
• 四个 Gemini 4 Argon 智能体在 Minecraft 中超越了基线表现（"beat Minecraft…"后文被图片截断）。
• 推文附图 pic.twitter.com/ABZjYJ3O9A。

⚠️ 原文不足： 论文名称、具体评测指标、Argon 架构细节均被图片截断，无法从原帖获取。

3. UC Berkeley · Scaling Research Agents

来源： @omarsar0（X） 链接： https://x.com/omarsar0/status/2110911109964386460 日期： 2026-10-15（UTC，具体时间未标注）

硬核点： UC Berkeley 发表了一篇关于 scaling research agents 的论文。@omarsar0 评价为"Brilliant paper"，并给出核心观点：

• 提出了一种出人意料且有趣的 scaling 自动化研究的方式（具体方案被图片 pic.twitter.com/iyzrHvJqzp 截断）。
• 指出常见研究智能体的局限：保留完整历史并持续迭代——随着任务推进，历史负担会逐渐成为瓶颈（"After a while, each…"后文被截断）。

⚠️ 原文不足： 论文名称、完整方法描述均未在推文正文中呈现，无法独立核验。

其余线索

• 三条推文均附图，核心内容（论文全文、实验数据、架构图）均在图片中，原帖正文仅为简短推荐语，无进一步可提取数字或结论。
• @omarsar0 在两条推文中均使用了"(bookmark it)"标记，属于该账号推荐优质内容的一贯风格。

说明： 本次仅处理清单所列 3 条原帖，不做外网补充搜索，不补条数，不凑内容。宿主机核验产物后将按需追加仓库直采清单。