新闻、仓库与研究，按时间排列。
arXiv 论文提出通过40个日常问题（如“说出一种声音”“说出一位诗人”）的单字答案为语言模型建模指纹，在94个模型的面板上识别出确切模型的准确率为92.5%，随机仅为1.1%；系统提示词会使准确率下降6至16个百分点。作者用该方法检测 OpenRouter 上13个开放模型的96个端点，其中92个与其声称的模型一致，一个端点以 Llama 4 Maverick 之名实际提供 Gemma 4（自报身份且计费按 Gemma 4 的 token 数）；计费记录还显示第一方模型被附加了额外上下文，如 Grok 4.7 对一行问题计费1,247个输入 token，而 GPT-4o 同样问题仅12个 token。方法成本每端点仅几美分，代码与数据已公开。
推荐理由：这篇论文展示了用40个单词答案就能指纹识别API背后的模型，还借计费记录发现OpenRouter上有端点冒名和隐藏注入上下文，方法成本极低可复现。
GitHub 开源的 designpatternsummarisation-nlg-swum-llm 平台，针对 Java 设计模式实现自动生成、排序与评测自然语言摘要。它对比三种策略——基于 AST 的模板 NLG、标识符语义建模 SWUM，以及经 OpenRouter 调用的 Mixtral-8x22B 等 LLM，并以 150 篇人工摘要为参照，用 cosine similarity、BERTScore 和 LLM 评审进行评测。
GitHub 开源项目 llmoose 提供在西班牙纸牌游戏 Mus 上训练与基准测试 SLLM 的研究环境，涵盖从对局到构建 MooseBench、保留 trace、蒸馏 SLM 的学习路径。环境支持 heuristic、conservative、random、llm 四种策略，LLM 玩家通过 OpenRouter 调用模型，无效响应最多重试两次。当前已确认一个牌型排序缺陷，其结果尚不能作为已验证的 benchmark 分数或训练标签。
GitHub 开源项目 modeltested 发布了一个面向开放权重 LLM 的真实工作基准，结果在 modeltested.com 自动更新，当前榜单覆盖 65 个本地模型。评测分编码（30 题，沙箱内跑隐藏单元测试）、文档抽取（24 题）和决策（56 题，含 Brier score 校准）三套，大部分题目以 age 加密存放、密钥为 CI secret，公开与隐藏分数并排展示以暴露背题；模型经 OpenRouter 以全精度或 8-bit 运行，部分 Q4 模型在 Mac mini（M4, 16 GB）上用 Ollama 补测以量化损失，并给出显存适配估算而非速度数字。
推荐理由：这个开源基准用隐藏题集加密和 canary 字符串对照公开分，可用来识别模型背题，且单模型复测成本仅几美分到几美元。
GitHub 上的 SlopBench 是一个衡量大模型写代码冗余程度的开源基准，用 inflation（生成行数 ÷ 参考解行数）量化代码浪费，并额外发布 minimal 提示词可减少的行数（ponytail Δ）。基准含 5 个 Python 任务，所有运行在 Docker 沙箱中完成，模型须达到 pass@1 ≥ 0.6 才计入行数，参考解公开且可通过 PR 争议，结果每周由 GitHub Actions 快照更新。
NYU Abu Dhabi 等机构的研究团队在 GitHub 发布论文数据仓库，审计 GPT-5.4 mini、Claude Haiku 4.5、Llama 4 Scout 和 NVIDIA Nemotron 3 Nano 对事实核查新闻标题的模拟情绪反应。标注 confirmed false 后，GPT、Llama、Claude 的情绪从负面转向正面，六维度合并正面评级从 15% 升至 68%，Claude 的 Confident 评级从 22% 升至 99.6%；但在 84 个统计显著比较中有 82 个显示 Black 人设比 White 人设获得更多负面情绪，标签并未消除人设差异。仓库包含刺激材料、原始输出和聚合评级数据及复现代码。
GitHub 上的 Jwrede/llm-bench-data 仓库以 JSONL 格式发布对主要 LLM API 端点的每小时性能探测原始数据，字段包括 TTFT、总延迟、tokens_per_sec 等。探测每小时运行、经 OpenRouter 路由（因此延迟含代理开销），模型按 OpenRouter 周热度榜每家前 3 自动选取。数据按月/日分文件组织，采用 CC0 1.0 许可发布。
UFCG 发布 charlesazevedo/llm-cs-php 复现包，用于重做"语言模型检测 PHP 应用 Code Smells"实验：将 38 种 CS 的 89 个变体注入开源 Laravel 应用 PDVLaravel，由 ChatGPT、Claude、Gemini 和 DeepSeek 经 API 在开放与强制两种模式下分析。