新闻、仓库与研究，按时间排列。
chaoyian 的开源项目 youtube-caption-AI 通过 YouTube Data API v3 发现新视频，抓取字幕后用 AI 整理成可检索的金融研究笔记，经邮件和 Discord 发送。字幕抓取按 yt-dlp、youtube-transcript-api、Apify、Supadata 顺序逐级回退，任务运行在 GitHub Actions 上，默认 AI 接口为 Poe（GPT-5.4），失败时自动切换基元律动（glm-5.2），且同一视频字幕哈希未变化时不会重复调用 AI 或发通知。
LLMOJ 是一个基于 LibreOJ 的开源在线评测系统，集题库、比赛、评测和权限管理于一体，主体代码采用 MIT 许可。系统支持 C/C++、Python、Java 等 12 种语言及 NOI/OI、IOI、ICPC 等赛制，提供远程评测机接入。AI 辅助出题功能可整理题面、查找出处和生成测试数据，测试数据需经参考算法对拍至少 64 组并交叉检验后才安装。
GitHub 仓库 akhilreddy097/ml-daily-projects 提供一个全自动系统，每天 9 AM UTC 由 GitHub Actions 触发，自动生成带完整实现、合成数据集和文档的生产级 ML 项目。项目覆盖回归、分类、NLP、计算机视觉、时间序列、聚类、集成方法 7 类，按周轮换并从初级进阶到高级，每个项目包含代码、Jupyter Notebook、结果指标与图表，采用 Python 3.9+ 和 MIT License 开源。
GitHub 上线新仓库 shumy26/LabSamplesAssumptionGeneration，包含 run_experiment.py、llm_checker.py、information_extraction.py、compile_to_gr1.py 等脚本，涉及 LLM 检查、信息抽取与控制器测试流程，并附实验结果 HTML 页面和 experiment_metrics.json 数据文件。
Zero-State-LLC 的 BlackDog 仓库（前称 FaustCoder，2026-10-17 更名）是一个编译器验证的 Faust DSP 代码生成模型项目，基于 NVIDIA DGX Spark 开发，目前处于 specification-first 阶段。V0.1 里程碑已完成内容寻址工件存储（T02）、沙盒 Faust 编译器 harness（T03，faustwasm 0.19.0）、数据集权利清单（T05）及 T06 归一化去重快照等基础设施，尚无训练好的模型，也未提出任何模型质量声明。仓库采用拆分许可：specs/ 和 docs/ 为 Apache-2.0，其余代码、模型权重、数据集为 Zero State Proprietary License 1.0。
tryAGI 推出基于 BlockadeLabs 官方 OpenAPI 定义、用 AutoSDK 生成的现代 .NET SDK，上游 API 变化时可快速再生成而不破坏兼容性。SDK 支持可空性、trimming、NativeAOT 与源生成序列化，并提供 dotnet tool 安装的 CLI。它是 tryAGI 用 AutoSDK 维护的 200 多个 .NET SDK 之一，项目获 JetBrains 开源支持计划资助。
mlabo-org 在 GitHub 发布 codex-image-grid-native，一个基于 Rust 和 SwiftUI 的 macOS 原生图像生成工作区，面向 Codex 与 Claude Code。它支持 Prompt Batch 生成与编辑、参考图像解析、日英双语 UI、明暗主题和生成历史，并通过 codex_image_grid/generate_image_grid MCP 工具交接产物。单批次最多 12 个提示词、每提示词 6 个变体、共 24 个图像任务，需 macOS 14 及以上并已登录的 Codex CLI。
Kiln 发布免费的桌面应用与 MIT 协议开源 Python 库，覆盖 evals、提示词优化、RAG、微调、合成数据和 AI 智能体等完整 AI 开发流程。微调支持 60+ 模型（Qwen、Llama、GPT、Gemini 等），测试模型库覆盖 190+ 模型；应用可本地运行，支持自带 API key 或通过 Ollama 完全离线使用。
GitHub 发布 Munder Difflin Paper Company 多智能体系统入门代码库，要求用最多 5 个基于文本通信的 agent 自动化库存补货、报价生成和订单履约。项目提供 quotes.csv 等历史数据与测试样例，默认使用 gpt-4o-mini，支持 smolagents、pydantic-ai 等框架，需 Python 3.10+ 及 OpenAI 兼容 API key，输出含 test_results.csv 与财务报告。
OpenRootdev 发布开源免费的 ViperMesh for Blender，一个 Blender MCP 服务器和插件，让兼容的 AI 助手直接在 Blender 场景中操作，用预置编辑动作替代为常见修改生成 Python 代码，目标是减少 token 消耗并提升结果可校验性。项目基于 Siddharth Ahuja 的 BlenderMCP，内置场景检查（悬浮物、朝向、间距），覆盖建模、材质、灯光、UV、绑骨等操作，保留 execute_code 供自定义；需 Blender 5.2、Node.js 20+ 和支持 stdio 的 MCP 客户端，提供 v1.3.0 MCPB 包或源码构建，MIT 协议开源。
SQLite-FTS-Baseline 在 Agent Memory Leaderboard Cycle 1 公开文本榜上得 41.79、排 50 名中的第 22，高于榜单中位数 40.78；其架构为 SQLite 存原始消息、FTS5 做全文检索、BM25 排序。同榜的 just-a-BM25 得 38.47、排第 35，Add 与 Search 全程不用 LLM、embedding 模型或 reranker。两者均为开源项目。
Q0916 在 GitHub 发布 image-generation-principles（IGP）v2.3，一套面向单图、插画、主视觉和海报的作画判断技能，采用 CC BY-NC 4.0 加附加许可，允许商用创作和成品出售，但禁止将 IGP 本身付费转售。技能可在 Codex 配合 ima2 使用，或以 dist/image_generation_principles.md 统合版用于 ChatGPT Library。作者说明截至 2026-10-21 的正向实测反馈仅来自 Codex 经 ima2 生成图像的路径，未主张因果效应或跨模型普适性。
开发者 Himannsshu 在 GitHub 发布 RAG-SYSTEM 仓库，收录多种检索增强生成（RAG）系统实现，用于探索和对比文档检索与问答的不同方案。仓库涵盖不同的检索策略、Embedding 模型、向量数据库、LLM、文档处理与分块技术，以及 RAG 架构、pipeline 和评估实验方法。
GitHub 用户 Anton-Latukha 维护一个与其用户名同名的个人主页仓库，通过 GitHub Actions 工作流自动生成 activity、github-metrics、languages、wakatime 等指标卡片。仓库采用 MIT 许可证开源，当前仅包含配置、许可证和这些展示文件。
开源仓库 NoiseForm 上线，这是一个在本地运行的 NovelAI 图像生成 Web 客户端，支持 V5、V4.5、V4、V3 模型。它在官方生成器基础上提供批量队列、可点击 tag 的 X/Y 网格、基于 IndexedDB 的可查询归档、WebGL2 后处理台（18 passes），以及兼容任何 OpenAI 模型的提示词 AI 助手。仅本地存储 token，无需 NovelAI token 可进 DEMO 模式。
HIPREL-Group 开源可验证代码生成 benchmark VeriContest，基于 Rust 与 Verus，当前包含 1,006 道题目（722 道 LeetCode、284 道 Codeforces），每题配有形式化规范、judge 通过的 Rust 代码及 Verus 验证过的证明。数据集完整发布在 Hugging Face（Gax-c/VeriContest），另有固定 300 题的 VeriContest Lite 子集；仓库现已开放 Model 与 Agent 两个赛道的提交，以 pull request 形式进行，支持 SpecGen、CodeGen、ProofGen 和 End2End 四种评测。论文配套版本（arXiv:2605.08553）的主要评测使用 946 题范围。
EnerCol 是一个开源的哥伦比亚能源法规研究助手，支持查询法规并检索用户自有的 PDF 文档，每条回答都展示搜索过程、引用和证据片段以便审计。技术栈采用 FastAPI、Postgres 17 + pgvector（halfvec(1024) 嵌入和 HNSW 索引）与 React 18，智能体基于 LlamaIndex 通过 OpenRouter 运行，可选 Tavily 进行网络搜索，支持 Docker 部署、CI 和 Playwright e2e 测试。
NexocoreTeam 在 GitHub 发布 AdCreatives，一款面向 Meta 和 TikTok 的 AI 广告创意生成工具，将心理信息策略与 AI 图像生成结合。其架构分为策略层、生成层和验证层，包含 VOC Mining、Schwartz 意识分层、fal.ai 提示词生成、平台合规检查等功能，支持 product-hero、benefit-callout、lifestyle-ugc 等多种风格，并提供 CTR、CPA、ROAS 数据回流的反馈循环。视频生成阶段目前仅为脚手架，尚未接入。
作者 wJJh（小妖刀）发布 llm-wiki-skills 仓库，包含四个可组合的 Agent Skills，支持 Claude Code 与 DeepSeek Harness（DSH），全部零第三方 Python 依赖。核心技能 cf-browser-render 通过 Cloudflare Browser Rendering 用真实浏览器把公众号文章、SPA、文档和 GitHub 页面渲染成保留结构的 Markdown；其余三个技能分别实现手动 Star 仓库、分页导出 GitHub Stars、批量扫描 Star 仓库新版本并生成 Markdown 报告，四者可组成发现、收藏、导出、版本追踪的完整流水线。项目 MIT 许可，需 Python 3.10+，国内网络访问 Cloudflare 需配置代理。
推荐理由：四个技能全部只用 Python 标准库、零第三方依赖，且同一套 SKILL.md 可同时被 Claude Code 和 DeepSeek Harness 加载。
FadhelHaidar 在 GitHub 开源 Recon-GraphRAG，一个遵循 Microsoft GraphRAG 两阶段理念的领域无关 GraphRAG SDK，支持 Neo4j 与 Memgraph 可插拔图存储后端。它提供多级 Leiden 社区检测、Local/Global/DRIFT 三种搜索范式、schema 驱动抽取和混合实体消歧，并支持 OpenAI、Anthropic、Ollama、OpenRouter 等 LLM 提供方。项目仍在开发中，尚未上架 PyPI，API 可能变动，暂不适合生产使用。
Project A.E.S.I.R. 是一个用 Mojo 编写的实验性本地 AI 推理引擎，目标是让普通 AI 应用直接在自有硬件上运行模型。其速度路线图计划在指定工作负载上比当前 Ollama 快 2 倍（冲刺目标 3 倍），目前缓存 32-token 工作接近持平，长输入和 128-token 输出仍落后。在 Llama 3.2 3B/RTX 2060 子集上，原生 CUDA 路径比上一版本再快 1.60–1.66x，已可运行 Gemma、Llama 3/Stheno 和 Qwen 系列测试模型。
P-436 在 GitHub 发布 CalibGuard，一套面向脚本、代码、文本和压缩包的文件安全审计系统，输出放行、可疑、拦截、转人工四档结论。本地用 CodeBERT 滑窗推理加 Platt 校准做三桶门控，低危与高危文件不联网判定，仅灰区调用云端 LLM 复核，加复核后 F1 从 0.8600 升至 0.8689、精确率从 0.8739 升至 0.9017。CodeBERT 底座推理 22.4 条/s，约为 0.5B 级 Qwen 的 3–4.3 倍，训练快 2.3–3.2 倍；Releases 提供 GUI 包开箱即用，另有 dsh-calibguard 插件接入 DeepSeek Harness 作为 agent 工具调用。
推荐理由：作者给出五种底座的 F1、训练耗时与推理速度对比，并附校准前后和云端复核的实测数据，选型依据可直接参考。
开源项目 Halcyon 可将"雨中京都黄昏庭院"等文字描述转为无限播放、接缝不重复的环境音景。语言模型把描述拆分为雨声、风声、钢琴等独立图层并自动混音，用户可实时调节各图层的音量、EQ、声像与距离，删除或按"更少嘶声、更远"等备注重渲染图层，还能上传歌曲片段引导音乐风格、导出最长五分钟 WAV。它以单个 Docker 容器部署，支持 Google Gemini、Ollama、OpenAI 兼容 API 及 Claude Code / Codex CLI 作为语言模型，首个注册账号为管理员。
GitHub 仓库 Rudraksh-wq/llm-from-scratch 公开了从零实现 GPT 的代码与训练资料，包含 gpt-v1.ipynb、llm.ipynb、training.py、chatbox.py 及 requirements.txt。仓库还附带训练产物 model-01.pkl 和语料文件 wizard_of_oz.txt，供使用者复现训练流程。
GitHub 项目 lobby9000/folio 将扫描票据转为可搜索的结构化字段，涵盖 OCR、字段抽取、检索与基于 AWS Lambda 和 API Gateway 的 API。在 200 张 SROIE 留出票据上，规则法总额正确率 76%，学习型 ranker 提升至 82%（McNemar p = 0.0075），OCR 上限为 88%；级联策略仅在不确定时调用 LLM，LLM 抽取器已构建但尚未评测，支持 Claude API 或 Ollama 本地模型。
IMROVOID 在 GitHub 发布 OpenCode2API-Proxy，把 OpenCode Zen 与 Go 两条不同线协议的模型桥接为统一端点，同时支持 /v1/chat/completions、/v1/responses 和 /v1/messages。工具提供本地守护进程、预编译包、Cloudflare Workers（82 KB bundle）和 npm 四种部署方式，内置密钥轮换与指数退避冷却、SOTA 轮换组、模型目录自动发现和灰度暗色控制 WebUI。Go 通道需 OpenCode Go 订阅，免费层仅限官方客户端访问，项目以 GPLv3 授权并提醒使用可能违反上游服务条款。
pyTracer 0.1.0 发布，这是一个 AI 智能体测试与回放平台，能记录智能体的 LLM 调用、工具调用和推理步骤，注入录制的响应实现确定性回放并在 CI 中做回归测试。支持 LangGraph、CrewAI、AutoGen 和 OpenAI Agents SDK，核心能力是跨分支复现失败运行以验证分支是否修复了 bug，十二个包均已发布到 PyPI，客户端工具链为 Apache-2.0、服务端组件为 AGPL-3.0。
推荐理由：原文给出了捕获失败运行、确定性回放和跨分支复现的完整工作流，可对照评估自己的 Agent CI 测试方案。
GitHub 开源项目 job-hunter-elite 提供一个自托管定时管道，聚合 36 个 feed（SimplifyJobs、RemoteOK 及 Lever/Greenhouse/Ashby 招聘板）自动发现初级与应届软件岗位。管道为纯 Python 规则评分（0-100 分、6 因子加权），无 LLM 调用、每次运行零 token，结果可复现，并将排名前 30 的岗位（Top 10 + 20 Buffer）维护到 Notion tracker，每日 05:00 通过 cron 调度运行。
fireishott 发布自托管助手守护进程 Kallisti v1.4.0，单个长驻进程提供流式对话、工作区读写、命令执行、URL 抓取和绘图工具，并通过 MCP 客户端接入外部服务器，状态存于本地文件与 SQLite，无云端控制面、账号或遥测。安全模型在代码中强制执行：密钥仅存为 env 引用、口令存加盐校验值、read-only 与 workspace-write 沙箱在工具层拒绝越界写入、ask 策略下写入和 MCP 调用进入人工审批队列；原文同时如实指出 fetch 防护未做域名解析时的私网地址检查这一已知缺口。MIT 协议开源，架构分四个 crate，测试覆盖协议接缝、回合循环、沙箱、审批与 MCP 帧。
推荐理由：原文把安全模型落到代码层面并如实写出未实现的 fetch 防护缺口，适合想自托管助手守护进程的读者参考其边界设计。
GitHub 开源仓库 llm-adaptive-learning 发布了 ICML 2025 论文 "Adaptive Learning Strategies for Large Language Models in Dynamic Environments" 的实现，使 LLM 能在动态环境中实时调整参数和行为，且无需完整重训即可持续学习、避免灾难性遗忘。该方法在 shifting topics 上将性能从 72.3% 提升至 89.7%（+17.4%），在 temporal changes 场景提升 +19.1%，项目采用 Apache 2.0 许可证开源。
woynich-wiki（代号）是一个项目知识库蓝图仓库，收集文档、Jira、代码、会议记录等原始来源，构建只读的 LLM Wiki，每条陈述都链接到确切出处；仓库本身只含通用代码和模板，不含项目数据。Windows 上双击 doctor.cmd、setup.cmd、serve.cmd 即可部署，依赖 GitHub Copilot 运行时（预选 gpt-6-luna），并提供 kb add、kb ingest、kb ask、kb code-ask、kb jira 等命令和 Copilot CLI 技能 /kb-add、/kb-ingest、/kb-ask 等。项目文档（https://github.com/brudnypiotr/woynich-wiki）含架构说明、ADR 与示例流程。
ZisIsNotZis 在 GitHub 发布的 tiny-llm-eval-factors 是一个可复现的研究工作台，用于测量本地大语言模型的量化、模型规模、解码协议与 benchmark 行为等因素。`./reproduce.sh` 全流程在本机干净 clone、12 核 CPU、无 GPU 环境实测约 41.1/49.9/60.2 秒，可从 experiments.sqlite 逐字节重建 report.html，CJK 字体缺失或版本不符时构建直接失败。仓库分发 337 个逐题评测产物（3.45 MB）供 fresh clone 验证，但 .gguf 模型权重字节已丢失，评测运行本身也需 GPU 与模型文件。
GitHub 项目 psyb0t/docker-pibox 将 pi-coding-agent 封装进 aicodebox 容器，一个镜像提供交互式 shell、一次性提示词、OpenAI 兼容的 HTTP API（:8080）、Telegram bot、YAML 定义的 cron 定时任务和 MCP server 多种接入方式。pibox 包装器会把工作目录挂载进容器并转发 PIBOX_* 配置，提供 minimal 和 full 两种镜像变体，可通过 ANTHROPIC_MODEL 等环境变量指定 glm-4.6 等模型。
Neatlogs 发布并开源了 neatroots（Apache-2.0），一个跑在本机 localhost:4100 的 agent 运行调试工具，通过 Neatlogs SDK、HTTP trace API 或 OpenTelemetry OTLP 收集运行 trace。它在本地用规则和决策模型 Laya 检查每次运行（死循环、重复工具调用、泄露密钥等），提供 Overview、Trace、Timeline、Conversation 四种视图和单次 LLM 调用或整个 agent 的回放；通过 neatroots connect 向 Claude Code、Codex、Cursor 等 9 个编码 agent 提供 23 个 MCP 工具。
GitHub 仓库 tonystark202609/enhancing-llms 发布了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索超越传统方法的高级微调策略和领域适配技术。该方法在 GLUE 上达 92.5%（基线 84.2%，提升 +8.3%），SuperGLUE 上达 89.3%（基线 76.8%，提升 +12.5%），并优化训练流程以加快收敛。项目采用 MIT License 开源，附训练与评测脚本。
Google 推出 TorchTitan TPU 分叉，配合 TorchTPU 原生后端，可在 Cloud TPU 上训练 PyTorch 模型。该分叉提供 SimpleFSDP、Graph Trainer、Pallas 内核和优化 Playbook，代码已在 GitHub 开源。
一个名为 SAP SmartSupply GenAI Automation 的企业级 GenAI 供应链智能平台仓库在 GitHub 开源。平台集成 FastAPI、PostgreSQL、AWS、n8n、RAG、MLflow、DVC 与 Docker，结合预测分析，用于采购、库存和需求预测。
FastDub 是一个 Python 包和命令行工具，可基于 .srt/.vtt 字幕为 .mp4/.mkv 视频自动配音，并支持音频 ducking、动态变声、字幕翻译和 YouTube 集成。它可通过 pip install FastDub 安装，翻译使用 Google Translate 等服务，另支持 Windows SAPI 和 Linux eSpeak/RHVoice 语音，并集成 Tortoise-TTS 实现高质量语音克隆（推荐 CUDA）。用户还能用 CLI 下载 YouTube 视频/播放列表/频道并上传带翻译标题和描述的配音视频。
GitHub 新仓库 deniskropp/t333 是 Orion Collective System（OCS）与 KickLang 元框架的基础底座，提供创建、管理和演化多智能体协作 Spaces 所需的协议、模板、数据模式与初始化逻辑。当前状态为 OCS v2.1，正演进到 v3.0 协议接口，规范运行时为 canon 2.2.0-draft，配合 JSON Schema 2020-12。它通过 ⫻ 分节的 KickLang 文档实现元通信组织、群体智能协调，并支持通过结构化 TAS 从高层意图生成新的 Space。
SimpleCADforDSH 是一个基于官方 dsh 插件契约的开源（MIT 协议）插件，可将文本提示转为真实的参数化 CAD 模型。智能体用 build123d 生成 Python 脚本并导出 STEP + GLB，内置 single_body、watertight 及 0.2 mm 容差的 overall_dimension 几何 QA 检查，并在 dsh UI 右侧打开同窗 CAD 面板，支持点击面或通过 simplecadfordsh_apply 修改 length / width / height / hole_d 等参数后自动重新生成，另可导出 STL。