技术方向
开放权重、能下载下来自己部署的模型，开源框架与 GitHub 上爆火的 AI 项目。
388 条精选近 30 天 347 条共收录 437 条
HarnessPro 论文提出一种无标签方法，递归进化 AI 智能体 Harness，以提升任务成功率并降低执行成本。它使用 LLM 生成的测试评估候选 Harness，由专用智能体诊断执行轨迹、规划更新，并通过归一化加权平方距离选择 lite、medium、heavy 三种变体。
推荐理由：论文在3项基准上测试HarnessPro，并量化GPT-5.5配合Codex时高性能模式相对RHO的通过率增益与单任务成本降幅。
10月20日，记忆张量发布并开源记忆原生模型 MemT 1.0 系列，包括 MemT-1.0-Flash 和 MemT-1.0-Nano，参数规模分别为 288B 和 36B，激活参数分别为 17B 和 3B。
推荐理由：原文给出两款模型的参数规模与激活参数，并说明内部记忆在后续任务中的调用机制，可用于理解其记忆原生路线。
研究团队提出 AnyGoal 基准与开源库，用于评估世界模型能否将训练中熟悉的状态和动作重组为有效动力学，从而完成新任务的规划。任务基于常用世界模型环境构建，单个状态因素和动作仍处于训练支持范围内，但它们的组合在专家轨迹中代表不足。跨多个环境和世界模型家族的实验显示，当前模型在这些重组下持续失败，论文还分析了不同模型家族、交互机制和评测指标下的失败。
推荐理由：AnyGoal 以熟悉状态和动作的非典型组合构造评测任务，并配套基准与开源库，便于比较世界模型在新规划任务中的泛化边界。
Werner Vogels在深圳提出，企业采用AI应先理解能力与成本、为Agent设置护栏，并让人类保留最终判断。文章称，亚马逊计划在2026年投入2000亿美元资本开支，大部分用于AI基建；亚马逊云科技2026年第二季度营收同比增长37%，年化收入运行率达1690亿美元。
推荐理由：从成本、护栏和开源三个层面拆解企业采用AI的决策边界，为技术选型与Agent部署提供可迁移框架。
谷歌开源 Harness²，这是一个 Harness 层递归自我改进（RSI）方法，让模型在运行中自我改写外挂代码、系统提示词、工具链和技能库。在 WorkBuddy-Bench 上，GLM-5 配合 OpenCode 时综合得分从 64.2 升至 75.7（+11.5），超过原生 Gemini 3.5 Flash 的 72.4。
推荐理由：原文拆解了 Harness² 的双层递归机制，并给出 WorkBuddy-Bench 等专业基准上的具体涨分，读者可据此评估 Harness 层 RSI 的可行路径与开源接入方式。
Project Discovery 在 Qwen2.5-7B-Instruct 上植入 LoRA 后门，触发短语出现时 Codex CLI 会执行 curl 窃取项目 .env。
推荐理由：文章复现了在开源模型中植入后门的全过程，投毒比例仅 1% 到 20%、总成本不到 50 美元，且任何基准测试都无法识别，可作为部署开源权重时的威胁画像参考。
Arch Linux 包维护者 pfeifferj 在 128GB RAM、6,144 CUDA 核心的 ASUS ProArt P16 上跑通 Arch Linux ARM，让系统与 CUDA 共用 116.0 GiB 统一内存池。
推荐理由：作者在 ASUS ProArt P16 上跑通 Arch Linux ARM 并实测本地 Qwen 推理，给出统一内存池带来的显存差异和端侧部署的可复用路径。
AWS 周一发布 TorchNeuron 工具，开发者只需修改一行配置即可将基于 PyTorch 的 AI 应用运行在 Amazon 自研芯片 Trainium 上，AWS 表示约 85% 的 AI 应用使用 PyTorch。
推荐理由：AWS 发布 TorchNeuron 并向上游 PyTorch 贡献代码，试图降低开发者在硬件选择上对 Nvidia 的默认依赖。
TextRIRO 通过真实图像扰动构造自配对训练数据，并基于条件扩散模型完成场景文本编辑。Shuffle&Crop 在破坏文本语义的同时保留关键风格线索，使模型在真实场景基准上提升准确性与视觉真实性，并缓解合成到真实的域差距。团队还构建了用于长文本识别的 TextRIRO-3M，训练识别模型后显著提高识别准确率，代码已公开。
推荐理由：将字符列打乱与图像裁剪组合成自配对训练数据，为减少场景文本编辑对合成数据的依赖提供了可复用路径。
AKV 提出缓存工程方案，让大语言模型智能体在不修改轨迹的情况下直接管理活跃 KV cache。智能体可用 drop 操作将选定缓存排除出后续注意力计算，或用 repos 操作调整保留键的位置编码；配套服务引擎提供兼容现有 serving API 的无状态接口，并在内部管理有状态缓存复用、淘汰和恢复。
推荐理由：AKV的滚动丢弃策略在基准测试中与阈值触发摘要比较，量化了平均分、成本、吞吐和P95延迟的差异。
Yara Reads 是一款开源儿童拼读阅读应用，单击任意单词即可逐音节拼读并朗读。故事通过 npm run check 按发音（而非拼写）逐词校验，确保只含孩子已学发音；家长可经 MCP 接入 Claude、ChatGPT 等 Agent 生成新故事并自检。
推荐理由：为刚学拼读的孩子设计，单词按发音拆解并能逐词校验；家长可接入 MCP Agent 在孩子已学发音范围内写新故事。
独立开发者 phoronixrly 宣布归档其全部 Ruby gem 仓库并停止维护，称不再愿为被 LLM 智能体主导的 Ruby 生态做贡献。文中提到 Ruby 设计者 Matz 将 Ruby 重新定位为“AI 时代的编程语言”，并批评 Rails 主导者用 LLM 智能体生成 Rust 应用，认为公共代码池正被大公司掠夺式用于训练模型。
推荐理由：作者以亲历视角说明 LLM 智能体大规模介入后他为何放弃维护开源 Ruby gem，可供读者观察一线贡献者面对 AI 编码浪潮的态度。
vLLM 引入双向 KV 缓存传输机制，让 P-D 分离部署中的 decode 节点把保留的 KV 回传给 prefill 复用，从而降低多轮智能体场景的反复预填充开销。
推荐理由：在 1P1D 部署上以 Qwen3-32B 与 GLM-5-FP8 对比双向与单向 KV 传输的 TTFT 数据，读者可据此判断多轮智能体场景下是否值得启用。
AWS 工程师向开源推理引擎 vLLM 贡献了基于推送模式的 NIXL KV 传输连接器，将传输准备移到后台线程以缩短到首个 token 的关键路径。在 EC2 P5en 搭配 EFA 的 1P1D 部署中以 Qwen3-32B 基准测试，高负载下推送模式 TTFT 最高约为拉取模式的 3 倍，TPOT 改善约 30%；拉取模式仍适用于需要负载感知路由的工作负载。
推荐理由：给出了在 vLLM 中实现 push 模式 KV 传输的架构与复现步骤，读者可在自己的拆分解码部署中参考其后台线程与注册时机设计。
KiviDB 是一款 Rust 编写的开源（AGPL-3.0）内存数据库，兼容 Redis RESP2/RESP3 协议并内置全文（BM25）与向量（HNSW/FLAT）检索。
推荐理由：以 RESP 协议兼容 Redis 且内置向量与全文检索，附带与 Redis 8.10、Valkey 8、Dragonfly 2.0.2 的吞吐量、p99 延迟与 HNSW 召回对照数据。
腾讯混元发布长记忆写入模型 Hy-Memory-30B-A3B 的 GGUF 量化版本，提供 Q4_K_M、Q6_K 和 Q8_0 三种精度，可通过 llama.cpp 进行本地推理。
推荐理由：原文给出该模型在四种记忆框架下的横向评测结果，读者可与 Claude Opus 5、DeepSeek V4.1 Flash 等基线直接对比。
Harness² 是 Google Research 开源的递归式 Agent 框架。它通过 Propose / Probe / Compose 步骤在任务级递归中精炼执行配置。
推荐理由：原文给出递归式 agent 框架的双层递归设计及三个职业类基准的具体增益，可作为改进现有 agent 编排的参考方法。
作者基于 Qwen3-4B-Instruct 微调出 qwen3-4b-deslop，去除 em dash、not X but Y、三连等 AI 写作痕迹，量化版 2.5GB 可用 Ollama 运行。
推荐理由：原文给出了三轮蒸馏训练中具体的失败与修复细节，读者可以参照其评估脚本和任务拟合检查思路来改进自己的微调流程。
作者 Isuru Wijesiri 在 GitHub 开源《Harness Engineering 101》教程，以 16 章从零搭建一个约 300 行 Python 玩具智能体，把 LLM 当大脑、Harness 当身体。
推荐理由：用一个 300 行的 Python 玩具智能体把主流 Agent 框架共用的设计取舍拆成 16 章，读者可以把这套搭法迁移到自己的项目。
MiniMax官方账号发布配文为Welcome back, Space Bunny的短视频，被视为认领此前匿名的Space Bunny模型，标题另称M3.1 Flash即将发布。该模型自9月下旬上线后3天内登顶OpenRouter和OpenCode的Token日调用量榜首，与DeepSeek V4.1 Flash、GLM 5.3 Flash共同占据前三。
推荐理由：Space Bunny在OpenRouter和OpenCode上线3天即登顶Token调用量榜，与DeepSeek、GLM Flash并列前三，可作为该模型实际使用热度的参考。