新闻、仓库与研究，按时间排列。
开源项目 Xin API 是一个高性能 LLM 网关，兼容 OpenAI、Anthropic Claude、DeepSeek、Gemini 等主流大模型，提供统一 API 接入、渠道路由、计费结算与可观测能力。支持优先级加权轮询分发、基于 Redis 的分布式熔断、模型名映射、USD/CNY 计价结算及 60 秒窗口的渠道指标聚合。技术栈为 Go 1.25 + React 19 + PostgreSQL 16 + Redis 7，提供 Docker Compose 一键部署，采用 MIT 协议开源。
OpenSAE 发布开源工具包 SAEBase，用于可复现的稀疏自编码器（SAE）研究，支持加载模型与 SAE、捕获与复用激活缓存、特征干预与消融，并独立报告 L0、重构 MSE、FVU 等指标而不合成单一分数。配套 Research Lab 提供 48 个站点 × 500 条冻结提示的测量、300 张统计卡片及 SAR、RSS、Input Localization 分析，支持 Python 3.11–3.12，可通过 Docker 在 Hugging Face 浏览。
FORIFOR 开源 AI-meeting，一款语音转任务会议助手，支持可打断的 AI 对话、VRM 头像和浏览器本地任务持久化。最新 beta 版 v0.2.0-beta.2 带来 voice-orb 输入交接和 1,100 个自动化测试，提供可本地运行的 OSS 预览。应用内置 OpenAI Realtime、Gem Live 和本地 provider 适配器，未确认的语音改动不会被持久化，语音试用每天限 3 分钟且需验证邮箱。
开发者 Joann Praise 开源了 Brkeven 营销分析系统，用户只需提供广告花费和收入，即可通过 OpenAI GPT-4o-mini 获得诊断、根因分析、优化建议及置信度评分。系统采用 FastAPI + React + Supabase PostgreSQL + LangSmith 架构，通过 Instructor 生成结构化输出，可选字段缺失时降低置信度而不拒绝分析。目前为 5 阶段规划中的第 1 阶段，已上线 brkeven.com。
tokenparty-net 在 GitHub 开源 llm-xlate，一个 LLM 路由用的跨 API 翻译核心，可在 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 三种协议方言之间桥接请求、流式与非流式响应、错误体及 stored-response（previous_response_id）链。库是 sans-IO 设计，入口均为纯函数或 push 状态机，相同输入产出字节级一致的输出；每个有损转换都记录为 Degradation 并可通过 x-router-degraded 头呈现，无法表达的请求返回类型化 XlateError。
TripMate AI 是一个开源的全栈多智能体旅行规划项目，通过 LangGraph 编排航班、酒店、行程和最终响应四个智能体，生成完整的旅行计划。它使用 Groq 托管的 openai/gpt-oss-120b 做规划、openai/gpt-oss-20b 清理语音输入，并接入 AviationStack 实时航班数据和 Tavily 酒店搜索。项目基于 FastAPI 构建 Web 界面，支持语音输入、Markdown 渲染、PDF 导出，以及 LangGraph PostgreSQL checkpointer 实现的对话记忆，可本地运行或用 Docker 部署。
Vanisherzd/BlackOps 仓库公开了一个在 DGX Spark（GB10）上完全本地运行的 IT 运维 Agent，目标部署于 Jetson AGX Thor，断网也能自主诊断修复。2026-10-20 起推理引擎从 TensorRT-LLM 改为 vLLM，跑 Nemotron-3.5-Bolt-74B-A9B；NemoClaw 路径 5 张舞台卡各跑 3 次 15/15 自主修复，repo 内 host 循环 9 案 26/27。仓库包含 NeMo Guardrails 安全 rail、审核代理、错误注入案例 28 个、离线知识库（1,644 历史案例）与详细踩坑清单，legacy 路线为 TRT-LLM + Nemotron-3-Nano 与 vLLM 0.29 + Qwen3.6-35B。
推荐理由：仓库给出完整的本地部署架构、错误注入 drill 数据和踩坑清单，读者可以照着在 DGX Spark 或 Jetson 上复现离线自修复运维智能体。
Jnaina 在 GitHub 开源 ai-map，一个展示过去 7 天 AI 热点的互动地图，涵盖公司、模型、产品、开源项目、人物、硬件和话题，按受关注度调整大小与颜色，仅依赖 Python 3 标准库。抓取 Hacker News（超 30 分）、TechCrunch、The Verge 等信源，用约 200 个 AI 实体词典加自动发现版本化模型名识别实体；热度按信源权重乘热度加成乘 0.5^(age/24h) 累计，6 小时内加权关注度达此前 6 小时 2.5 倍的实体标记为 Breaking。
Sahil Joshi 等在 arXiv 发布论文，提出 Stratified Sparse Attention（SSA），将确定性检索与分数引导采样结合以缩小稀疏注意力与稠密注意力在极端稀疏下的差距。在 RULER、LongBench、LOFT、AIME 及 3B 至 27B 五个模型上，SSA 均优于基线；RULER-HARD 用 Ministral-3-8B 在 50 倍注意力稀疏下，32K 和 128K 准确率从 81.8% 提至 84.2%、从 63.8% 提至 69.3%，分别恢复稠密注意力性能的 94% 和 85%。优化 CUDA 内核后，1M 上下文解码速度相对 FlashInfer 最高加速 2.96 倍，代码已开源。
推荐理由：论文给出 SSA 在 RULER 等基准和 50 倍稀疏度下的精度与解码加速数据，方法可复用，代码已开源。
研究者提出 AnomalyAgent，一种用于视觉异常检测的后训练融合框架。该框架对齐异构检测器的分数与异常图，将融合建模为有限动作选择问题，用受约束的 VLM 检查高冲突样本并选择分数动作和图动作。在 MVTec AD 与 VisA 上，AnomalyAgent 相比等权融合持续提升，取得了对比融合方法中最优的 mean image AUROC 和 pixel AP。
Wenjie Lou 等人发布 Sage-A1.5 技术报告，这是一个基于 A1 的 35B Mixture-of-Experts 智能体模型，通过自适应能力组合推进长程问题求解。报告提出三项改进：通过任务委派与子智能体隔离上下文并行协作的智能体编排，包含进度检查、证据验证与反思式策略修订的智能体验证，以及超越回答预设问题的开放科学探索能力；模型 checkpoints 已开放。
推荐理由：报告说明了子智能体并行协作、验证与开放科学探索三项改进的设计，适合关注长程智能体任务执行方法的读者。
论文追踪七个开源 RL 后训练框架的提交历史，并关联 2025 年 1 月至 2026 年 6 月的 6939 篇 arXiv 论文。在 1598 篇提出通用 RL 训练方法的论文中，只有 37 篇被至少一个框架纳入；每季度队列在 180 天内纳入数量稳定在 5 到 7 篇，而队列规模从 72 篇增至 386 篇。被纳入的论文更常训练 30B 及以上参数的策略（41% 对 10%），更常修改现有损失中的系数、clip、mask 或权重（29% 对 9%）；两个差距在剔除框架维护公司自身论文后依然成立，而代码开源比例在两组中相同。超过九成未被纳入的方法在框架 issues 中没有任何提及或引用。数据以追踪器形式发布，链接训练失败与框架实现并列出各框架贡献规则。
推荐理由：论文用提交历史量化了 RL 论文进入开源训练框架的真实比例，数据可帮助读者评估方法复现和框架选型的落差。
BitMTP 提出算法与系统协同设计框架，在超低比特 LLM 骨干上实现高效多 token 预测（MTP），已被 NeurIPS 2026 接收。该框架用联合 next-token 与 MTP 目标让单一模型同时具备自回归生成与 block-causal drafting，并提供置信度、投机与混合三种解码方式。在 NVIDIA H20 上混合解码于 BitNet b1.58-2B 取得五任务平均 2.2x 加速，1.7B-4B Bonsai 模型为 2.1-2.4x，RTX 3090 与 Jetson Orin 上分别达最高 2.0x 和 MBPP+ 上 3.3x，代码已开源。
推荐理由：论文把多 token 预测与超低比特量化结合，给出跨 GPU 的实测加速比，方法与系统设计都可参考。
Lafa 是一个扩到 8B 参数的连续流语言模型，采用块内双向流加因果前缀的块状结构，可通过适配预训练自回归模型来训练，并用少于 30B tokens 完成 0.5B、7B 和 8B 三个规模的训练。在指令跟随、推理和编码评测中质量匹敌或超过 AR 模型，其自推测解码方案在可比质量下达到 AR 模型 2.54x 吞吐，优于多 token 预测和离散扩散方法，代码已开源。
推荐理由：论文给出把连续流语言模型扩到 8B 的具体训练与推理方法，并附吞吐对比数据，适合关注非自回归架构的读者。
GitHub 新仓库 iantirta-com/iantirta-karaoke 发布，定位为一体化字幕卡拉OK生成工具。项目采用 Python 编写，基于 Apache-2.0 许可证开源，目前处于早期阶段，尚无 star、fork 和正式版本发布。
StackAlchemist 可将自然语言需求生成完整可编译、可部署的 SaaS 仓库，包含 PostgreSQL schema、.NET Web API + Next.js 16（或 FastAPI + React）前端及可选 IaC 脚本。其 Compile Guarantee 会真实执行构建，失败时通过 LLM 修复循环重试最多 3 次，付费构建仍失败则自动退款。项目底层默认使用 Claude Sonnet 5.5，支持 BYOK 接入 Claude Opus 5.5、Haiku 4.5、OpenAI 及 OpenRouter，采用专有及源码可用许可，个人可免费本地评估，商用需付费购买。
一个开源 RAG 项目，用 LLM 分析 SEC 10-K 文件并回答财务问题。项目从 SEC EDGAR 下载原始 HTML 文件，采用递归分块（chunk_size 1024 tokens、overlap 128 tokens）、all-mpnet-base-v2 生成 768 维嵌入向量，存入 Supabase + pgvector，后端为 FastAPI 嵌入服务，前端用 Next.js，LLM 调用 Google Gemini，整体为学习性质的 Python + Next.js + Supabase 全栈项目。
GitHub 新仓库 music-recommender-rag-and-llm 上线，是一个将 RAG 与 LLM 结合的音乐推荐项目。仓库包含 recommender.py、recommenderv37.py、flowmusic.csv 数据文件、rag_architecture.svg 架构图及 GitHub Actions workflows 等内容。
arc-labs-ai 发布 brain-eval 仓库，为 AI Agent 认知底座 Brain 提供评测、基准与报告生成。该工具通过 brain-db-sdk 连接运行中的 brain-server，驱动 ENCODE → RECALL 认知循环跑基准数据集，内置 SmokeBenchmark、DmrBenchmark、LongMemEvalS、LocomoBenchmark 及编译内置的防过拟合压力集，支持 substring + token-overlap 启发式判分，并可通过 live-llm feature 启用 LLM-as-judge（默认关闭）。
GitHub 新仓库 tuikit 发布，提供一组 Go 包，让独立 Bubble Tea 应用获得类似 Claude Code 模态 UI 引擎的保障：单一按键表、自动过期 toast、独立失败的窗格、不遮挡帧的 overlay、异步结果不落错行、重启后可存活的 UI 状态。所有类型均以值形式嵌入 Bubble Tea model，依赖 bubbletea v1.3.10 与 lipgloss v1.1.0。
GitHub 上出现名为 Interactive-Video-Generation-Website 的仓库，由用户 Cathylixi 创建，包含 index.html、script.js、styles.css 等前端文件。仓库目前无项目描述，暂无 star、watch 或 fork，也未发布任何版本。
论文提出 Progress-Aligned Recurrence（PAR），通过让第 k 次迭代的预测对齐前 k 步操作后的状态、并将循环状态重缩放至首轮范数，提升循环语言模型的长度泛化能力。基于 Qwen2.5-0.5B、仅在最多 32 步上训练的模型，在 swap-S₅ 任务外推到 512 步时达到 95.5% 平均全状态准确率，为训练长度的 16 倍，显著高于 RLT 的 55.7% 和显式思维链的 0.8%。消融实验显示去掉范数锚定会使外推倍数降至 2.2 倍以下，无中间标签时可借助前缀自蒸馏从最终答案学习对应关系。
GitHub 仓库 yanqingwang/free-ai-credits 汇总 20 项可白嫖的 AI 额度：腾讯 WorkBuddy 注册赠 2,000 点、签到 100 点/日，可用 Kimi-K3、GLM-5.3、DeepSeek-V4.1-Flash；智谱 BigModel 注册赠 20,000,000 tokens 且 glm-4-flash-250414 永久免费；Mistral La Plateforme 免费层每月 1,000,000,000 tokens；Groq 每日 1,000 请求 + 200,000 tokens；OpenRouter 每日 50 次免费请求，充值满 $10 解锁 1000 RPD。
zcb617 在 GitHub 开源了 llm-router，一个本地 LLM 调用代理，透明转发并记录所有 LLM API 调用。支持多上游负载均衡、OpenAI Responses API 与 Chat Completions API 间协议转换、Token 统计（含缓存命中与输出速度）、MITM 解密 HTTPS，并提供带 RBAC 权限的 Web 控制台管理用量、密钥、上游和用户。项目基于 Python 3.14+ 或 Docker 部署，数据存 SQLite 或 PostgreSQL，采用 MIT 许可证。
RDW-Labz 开源 Project Swarm，一个可复用的 agent skill 和零依赖 Node.js 运行器，用协调者拆分任务、由 Claude Code、Codex、Cursor、Hermes、Qwen Code 等工作器处理独立片段，再审查整合结果。支持 12 种适配器，Codex 与 Cursor 工作器在 macOS seatbelt 沙箱内的独立 git worktree 运行，API 工作器走单请求严格 JSON 交换；内置成本分层路由、消费上限、变异测试和 lessons 学习循环，当前版本 1.19.0，代码以 Apache 2.0 许可公开于 https://github.com/RDW-Labz/project-swarm。
推荐理由：原文给出多智能体协调器的完整命令体系、沙箱隔离和成本分层路由设计，读者可以据此评估是否复用到自己的多 Agent 编码流程。
Fazmin 在 GitHub 发布开源项目 Discover AI（AILearningGuide），通过 51 个动手实验讲解现代 AI 原理，涵盖基础、模型内部机制、RAG 与智能体、强化学习到微调、LoRA、量化等六大主题。应用内置 Simple、Plain、Standard 三种阅读模式，可在浏览器直接使用，也可安装桌面版；AI 问答指南可选接入 OpenAI、Anthropic 或 Google 的 API key，全程离线、无账号无追踪。
GitHub 开源项目 folio 是一套电子书阅读与学习伴侣工具，由 Electron 桌面端、Web 端和 MCP 服务器组成，支持人类与 LLM 智能体协作导入书籍并生成学习材料。后端采用 Python (FastAPI) 加单一 SQLite 数据库作为唯一数据源，提供 CRUD 与 FTS5 搜索 API；书籍以块结构化文本导入，标注、笔记、标签和链接锚定到 (block_id, offset) 范围，分页与字号仅作展示层处理。
GitHub 仓库 awesome-vla-for-ad 汇总了自动驾驶视觉-动作（VA）与视觉-语言-动作（VLA）模型研究，配套论文《Vision-Language-Action Models for Autonomous Driving: Past, Present, and Future》（arXiv:2512.16760）。内容将现有方法分为 End-to-End VLA 与 Dual-System VLA 两大范式，按时间线整理 Action-Only、Perception-Action 等分类下的模型、数据集与 benchmark，并提供 HuggingFace Leaderboard。
GitHub 用户 Princeby 发布 llm-zoomcamp-2026-code 仓库，包含 RAG 相关的 ingest.py、rag_helper.py 脚本及 rag_ingest.ipynb、notebook.ipynb 等 Notebook 文件，采用 uv 管理依赖并配有 pyproject.toml 与 uv.lock。该项目为 LLM Zoomcamp 2026 学习营的配套代码，可供学习者参考使用。
PatriaAWijaya 在 GitHub 开源 Minime，一个 local-first 桌面应用，由编排器 Mimi 调度 5 个专业 AI agent，覆盖公益、社会与环境 campaign 的调研、文案、视频制作到分发。视频流程为 Veo 3.1（via Gemini）生成、Pireel 剪辑、QC 后经人工批准再分发；模型可自选，默认 Muse（via Meta Model API），备选 Gemini、DeepSeek、Ollama 本地模型。所有外部操作需人工批准，Meta 平台仅生成草稿不自动发布，数据与凭证均留在用户本地。
开发者 @feib922 在 GitHub 开源了基于 LangGraph、LangChain 和 SiliconFlow 的多智能体协作示例，由 Supervisor 统一调度 Research Agent 与 Review Agent，完成成本分析和结果审查。成本计算通过 LangChain @tool 封装为确定性 Python 函数，示例模型为 deepseek-ai/DeepSeek-V4-Flash，示例假设下月度调用成本估算为 60 元。项目含 Python 3.12 编写的 8 项单元测试与工作流测试，本地验证全部通过，仅供学习演示。
GitHub 开源项目 enhanced-gpu-bu-daily-status-tracker 是一个用于追踪 GPU 芯片 Bring-up 进度的 Web 应用，最新版本 v6.1.0（2026-10-04）新增 Debug Progress 时间戳记录、会议模式聚焦与批量 AI 归纳功能。它支持多项目切换、用户权限管理、JIRA 集成导入 Bug、每日进度跟踪与 BU 准出标准管理，并提供按日期和时刻生成每日状态总结快照的一键 AI 归纳（max_tokens 8000，失败自动降级为规则版）。
Artem Okhten 开源了 GulfOfTrump，一款架空历史大战略游戏：玩家选 1914 萨拉热窝到 2022 俄乌开战共 8 个起点和任意国家，用自然语言下达政令，大语言模型扮演世界其余部分，通过官方 Sign in with ChatGPT 跑在玩家自己的 ChatGPT 套餐上，免费无内购。核心设计是模型只负责叙事并按回合返回 JSON 结果，引擎保存约 2700 个省的归属、战争、联盟、经济与军队等结构化状态，用 sanitizeOutcome 剔除无效改动、把数值波动钳制在 ±15，失败答案有一次带解析错误的修复机会。游戏含各国内政议会、以资源为基础的贸易、有名字和忠诚度的部长内阁、按城镇划分的前线与占领机制，代码 MIT 许可，地图数据 GPL-3.0。
推荐理由：这个开源战棋游戏把 LLM 的叙事和引擎的账本分开，模型每回合只出 JSON 结果并被钳制校验，思路可以直接借鉴到其他 Agent 项目。
GitHub 开源项目 cypress-ai-vitals 为 Cypress 测试框架添加 AI 质量检查能力，可验证回答语义、图像内容和语音识别错误率，并在 Command Log、终端和 HTML 报告中显示每次模型调用的 token、耗时与费用。它支持 OpenAI、Anthropic、Gemini、Groq、Ollama 等模型，本地 AI 运行时约占 470 MB，模型另下载约 330 MB；可录制回答后在 CI 中离线重放，不产生网络开销。
GitHub 开源项目 contraagent 将 Claude Code、Codex CLI、opencode、oh-my-pi 和 pi 作为 Python 流水线中的步骤运行，每个任务是类型化函数，输出文件需通过 pydantic 模型和校验器检查。运行器负责调度、failover、配额、截止时间和断点续跑，浏览器监控器实时展示每次运行的会话记录、token、成本和订阅用量。任务在干净上下文中启动，支持按 fallbacks 链在模型、编码智能体和凭证之间切换，支持 --stub 与 --replay 零成本试跑，MIT 许可。
推荐理由：把 Claude Code 等 5 个编码智能体当作流水线步骤统一调度，任务输出经 pydantic 校验，失败可换模型换账号续跑。
HumanAIOS 在 GitHub 开放其运营仓库，作为治理状态、执行协议和研究基础设施文档的权威来源。仓库包含 SEED.md、CURRENT.md、REGISTERED.md 等分级文档体系，每次会话由 LLM 拉取最新运行状态，并通过三区机制划分 AI 执行、操作员决策与终端操作的权限边界。
Research-Center-for-Smart-Learning-RCSL 开源的 SMAP 是一个自托管 Web 应用，用于编排多组 LLM 智能体对话，用户自带 Anthropic Claude、OpenAI、Google Gemini 的 API key，平台不收使用费，部署目标是单机 Docker Compose（16 核 / 32 GB）。平台支持 RAG（Qdrant）、基于 Neo4j 的 Knowledge Map 与 Concept Map 知识图谱、MCP 工具服务器、11 种执行器类型的工作流引擎，以及基于 26 项能力的多租户权限矩阵，并提供中英文界面。
作者基于真实工程师面试的一手反馈整理了 TorchLeet 题库，共 68 道 PyTorch 实现题，分为基础、LLM 学习路径和进阶三条轨道，每题含题目文件与 _SOLN 解答文件，并标注了 Google、Anthropic、Meta 等公司的考点。新增 torchleet-mcp 服务器，可通过 Claude Code、Codex、Cursor 等 MCP 客户端把 AI 助手变成不剧透的面试教练，提供渐进提示、模拟面试和公司备考计划。作者强调不要直接把题丢给 GPT 要答案，应自己 struggling 通过来深入理解 PyTorch。
LabCairn 是一个开发中的本地优先 AI 科研工作区，旨在让论文、数据、分析与报告之间的来源、论断与方法保持可追溯，待版权归属明确后以开源方式发布，目前尚未授予任何许可。Phase 1 计划包括科学资料摄取（PDF、Markdown、TXT、CSV、XLSX）、证据链、带人工审批的有界研究 Agent、可复现分析与 Markdown/DOCX/PDF 报告导出。技术栈规划为 Python 3.12、Pydantic AI、SQLite、FastAPI 及 React + TypeScript，提供 CLI 和本地 Web UI 两个入口。
开源项目 mini_agent 用 Python 实现了一个简化版 Claude Code，支持 Anthropic、OpenAI、Ollama、NVIDIA NIM 多 Provider 加故障转移与多 Key 轮转，并具备 Skill 机制、并发 Sub-Agent 编排和 MCP 集成。项目还提供权限守卫沙箱、跨 session 长期记忆、自我演化提案、daemon 常驻运行时，以及 HTTP API、Web Demo、微信接入和 Kanban 看板等多种渠道，可在安卓 Termux 环境运行。