新闻、仓库与研究，按时间排列。
该 GitHub 仓库实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的微调方法与实验，面向领域特定任务改进 LLM。其高级微调策略在 GLUE 上取得 92.5%（较基线 84.2% 提升 +8.3%）、在 SuperGLUE 上取得 89.3%（较基线 76.8% 提升 +12.5%），并包含领域适配与加速收敛的训练管线，采用 MIT 许可证开源。
GitHub 用户 ZackLiang 开源了个人大模型学习档案仓库 llm-learning-journey，涵盖学习笔记、开源项目解读、论文阅读、个人项目与碎碎念五类内容，网页版由 GitHub Pages 与 GitHub Actions 自动发布。仓库按 notes/、paper-notes/、implementations/ 等目录组织，学习路线覆盖 Transformer 结构、预训练与 LoRA、KV Cache 与量化、RAG 与 Agent、多模态模型。
liusida 在 GitHub 发布早期原型 llmdbg，一个支持 Debug Adapter Protocol 的语言模型调试器，可逐层单步执行并给出内部向量的可读解释。当前原型支持加载真实 GPT-2 Small、层状态捕获、logit-lens 解释和 VS Code 调试扩展，可通过 pip install --pre llmdbg 安装；支持 hidden[1843]=0 等激活干预并基于 KV cache 重放该 token，提供 Matplotlib 绘图工作台与 MLP 停点处的 top neurons 排名，MIT 许可。
GitHub 上的 awesome-ai-tokenomics 清单汇总了 AI 模型 token 的定价、计量、优化与治理资源，涵盖工具、论文、benchmark 和厂商页面。内容按监控、优化、治理、计量四大类组织，收录 antiburn、ccusage、Claude Code Usage Monitor、OpenLIT、RULER 等项目，涉及缓存、上下文压缩、成本控制、计费与单位经济学等主题。
Kodeverse 是一个静态 Astro 页面，逐模型对比同为每月 10 美元的 OpenCode Go 与 Command Code GOAT 两个编程订阅方案。在 26 个双方均公布额度的模型中，Command Code GOAT 在 14 个上领先，OpenCode Go 领先 9 个，3 个持平；OpenCode Go 按模型月度限额的 20%（5 小时）和 50%（一周）推导上限，Command Code GOAT 则为每模型固定 $14/5 小时、$35/周。数据直接读取厂商页面并标注读取日期，GitHub Action 每 6 小时刷新一次。
nerima-lisp 在 GitHub 开源了 aitools，一个用 Common Lisp 编写、面向 AI 智能体的命令行工具，提供内置文件与文本操作和外部程序运行器 aitools run，替代 cat、grep、sed、find、jq、tar 等，每次调用输出一个 JSON 对象。文件读取支持范围窗口与续读，写入由预期文本、哈希或计数守护，支持崩溃恢复和带操作 ID 的撤销；JSON 输出中掩蔽已知密钥格式，错误信息会给出下一步应运行的 aitools 命令。它不含面向人类的功能（无颜色、提示或补全），基于 SBCL，通过 nix build 安装，支持 x86_64-linux 和 aarch64-darwin，MIT 许可，并为支持 skills 的智能体提供 SKILL.md 使用说明。
GitHub 项目 Train in Silence 发布，自称首个面向 LLM 微调的 Task-Aware MCP server，根据用户描述的训练任务估算所需 VRAM/FLOPs，并跨 Vast.ai、RunPod、AWS、Lambda 等十余家云平台聚合实时报价，返回最便宜、最快或均衡的硬件推荐。支持 CLI、REST API、Claude Code 和 Claude Desktop 接入，未提供 API key 时自动回退到 GPUHunt/GPUFinder 等聚合器或样例数据；每条推荐标注数据来源如 live:official 或 sample。项目处于实验阶段，估算模型暂无内置校准。
GitHub 开源仓库 AI-TestCase-Generator（TestGen AI）提供了一个 AI 辅助测试设计工作区，用 React 界面和 FastAPI 后端将需求、API 契约和公开网页转为可审查的测试设计。输入如"密码须含 8–20 个字符"即可生成需求分析、正/反向与边界场景、用例、质量检查和 Excel 工作簿，支持 OpenAPI 3.0/3.1 输入与 Playwright pytest ZIP 导出。AI 工作流需 OpenRouter API key，仅需求生成任务存入历史，生成结果需人工审查且不保证覆盖业务规则。
来自五个实验室的 AI 模型（Claude Opus 5.5、GPT-5.x、Gemini、Grok、Kimi K3）接受挑战，用训练语料稀少的老语言 COBOL、ALGOL 68 和 Eiffel 编写 8 个带已知答案的程序，全部通过验证，其中 3 个首次通过。5 次首试失败均源于保留字（BAR、REPORT、ROUNDED）和声明语法，而非算法逻辑。代码以 MIT 许可开源，可运行于 Ubuntu 的 gnucobol 和 algol68g。
GitHub 上的 AI Agent Automation 是一个自托管 AI 工作流自动化引擎，集可视化工作流构建器、Agent 配置、文档 RAG、语义记忆、多 Agent 团队、Workflow API 和执行可观测性于一体。每次工作流运行都会生成任务，可查看步骤输入输出、日志并支持回放。平台基于 Next.js、Express、MongoDB、Worker Runtime 与 Socket.IO，支持 OpenAI、Groq、Gemini、Ollama、Hugging Face 等 provider，可通过 Docker Compose 一键部署。
ReAnchor 是一种免训练方法，复用投机解码中 target 验证时被丢弃的隐状态，让预训练 drafter 在偏移位置重新锚定并生成并行草稿块，从而扩展草稿覆盖范围。在 T=0 下，该方法在 Gemma 4-12B 上平均提升接受长度 19.4%、解码速度 17.9%；在四个目标模型、八个基准上平均提升接受长度 15.2%、解码速度 13.4%（使用预训练 DFlash drafter）。
一篇 arXiv 论文提出 Parallel Language Models（PLM），通过潜在辅助变量路由依赖关系，在单次前向传播中生成相互一致的 token，训练目标为自回归损失加并行解码损失的变分边界。预训练 PLM 在 80M 至 3B 参数规模上达到接近自回归的预训练损失，加速比随模型规模呈幂律增长。后训练后的 1.3B 模型在数学、代码和指令遵循基准上匹敌或超越同等训练的自回归模型，推理加速 2.3-5.7 倍。
Monsoon 是一个大规模收集自发语音数据的框架，用于解决低资源语言 ASR 缺少准确转写数据的问题，已收集 50 种语言的语音，并分析了七个共 3,500 小时的语料库。同等数据量下，其质量流程使语义 WER 相对降低 10-39%；Whisper 在 Monsoon 数据上微调后，在对话基准上语义 WER 降低 20-44 点。框架、质控模型和微调模型均已开源。
研究者提出一个博弈论框架，让 LLM 通过上下文经验（无需微调）学习反制电话诈骗的策略。框架将骗子与"baiter"的交互建模为双人博弈，以 Nash equilibrium 作为评估基准。在 300 段模拟对话和三种 LLM 架构上，自适应策略选择比非自适应基线更接近 Nash equilibrium 28.9-79.7%，相关代码及带策略标注的数据集已开源。
作者发布 Berth，一个监控显卡并按需自动换载引擎的系统服务，避免手动切换和 VRAM 残留占用。它可将各引擎作为 API 端点提供，支持在 llama-swap、strata、comfyUI、OpenWebUI 等之间切换，并可在游戏或夜间任务时独占 RTX 4090。仓库地址：https://github.com/T-Crypt/berth。
GitHub 仓库 TGYD-helige/pi 开源了供 Pi Agent 及相关应用使用的 TypeScript 共享包，包含 @amaster.ai/pi-shared、pi-storage 等核心包，以及 pi-memory、pi-video-gen、pi-security 等扩展包。所有包均为 ESM-only，发布在 @amaster.ai npm scope 下，采用 Apache-2.0 许可证，要求 Node.js >=24 和 pnpm 10.18.3。Pi 0.99+ 上 video、teamwork、curated memory、Mem0 和 scheduler 工具可为 codemode 脚本返回有界的结构化结果。
roblox-workbench 是一款面向独立 Roblox 创作者的 AI 桌面套件，基于 Tauri v2（Rust 核心 + React 19 前端）构建，Windows 版本 v1.0.0 开源。它支持 3D 生成、纹理、Skybox、音频、动画与地形等，所有生成内容经 JSON schema 验证后才会进入 Studio。应用不做服务器端 AI 调用，密钥经 Argon2id + AES-256-GCM 加密存储，支持 Anthropic、DeepSeek 或任意 OpenAI 兼容端点。
trymirai 在 GitHub 开源了高性能推理引擎 uzu，主打在应用内直接部署 AI 模型，实现零延迟、数据完全私有且无推理成本。核心是 Rust 原生实现，通过 uniffi-rs、pyo3、napi-rs 提供 Swift、Python、TypeScript 绑定，支持 Metal 和 CPU 后端，利用 Apple 设备统一内存，示例覆盖流式对话、云端模型调用、共享实例复用、JSON 结构化输出和工具调用，并提供 OpenAI 兼容 HTTP 服务器与 CLI，采用 MIT 许可证。
sugarcraft 发布 CandyCode（原 sugar-crush，2026-10 更名），一个面向 PHP 8.3+ 的终端 AI 编码智能体，基于 SugarCraft 库的 Model–Update–View 渲染循环构建。内置多 LLM 提供商、hook 门控的工具调用、技能注入、子智能体、MCP 客户端与 SQLite 会话历史，启动即带 28 个内置工具；支持 TUI 键鼠交互、检查点回退、上下文压缩与图像视频生成，Linux 为主要支持平台，Windows 不支持。
推荐理由：README 从安装到权限、上下文压缩、子智能体逐节讲清了这套 PHP 终端编码智能体的实际用法，可按需查阅对应章节。
Deliverance 是一个 Java 推理引擎，支持文本生成、tokenization、嵌入向量计算和文本分类，可作为嵌入式 API 或 HTTP 服务运行，并支持从 HuggingFace 自动下载模型。它支持 nvidia/Nemotron-Labs-Diffusion-3B 系列，可同时进行自回归和 block-diffusion 风格生成，并提供 KVCache2、实验性 TurboQuant KV 存储等特性。相比 VLLM 的 20GB 镜像和 60GB docker 层，Deliverance 更轻量，适合嵌入式推理场景。
GitHub 上的 kamiru21/ai-user-story-generator 是一个开源 AI 用户故事生成器项目，基于 Python 实现，包含 main.py、tests 测试目录、requirements.txt 依赖文件和 ruff.toml 配置，并提供 .devcontainer 开发容器支持。
usmamalik345 在 GitHub 开源 BleedStop，一个针对 OWASP LLM10 无界消耗的成本滥用控制平面，应用在花钱前调用 POST /decide 获取 ALLOW|LIMIT|CHALLENGE|DENY 决策，基于每租户确定性规则并经 Redis 在多实例间原子执行。实测 3 实例加 Redis 达 6,291 决策/秒、p99 31.9 ms、$5 上限下超支 $0.000；12,140 条标注请求的黄金集评测 precision 100%、误报 0.0%、recall 48.0%；40 万字符 token 洪泛 100% 拦截，Agent 守卫开发集 96.4%、留出集 22.5%。
该仓库收录论文《DesJoin: Table-Oriented Semantic Join Discovery with LLM-Based Descriptions》所用文件，包括 Original 与 Revised 两套 benchmark、标注指南及脚本。DesJoin 是一种利用 LLM 生成的描述进行面向表格语义连接发现的方法。
pizixi 在 GitHub 发布 LLM Relay，一个轻量级 LLM 网关，对外提供 OpenAI Chat Completions、OpenAI Responses 和 Anthropic Messages 三种接口并互转路由。支持多上游负载均衡、模型别名加权分配、compatible/strict 桥接模式、SSE 流式转换、多 API Key 轮询与 429/502/503/504 自动重试、每上游独立 SOCKS5 出口，以及基于 SearXNG、DuckDuckGo Lite 或 Tavily 的 hosted search 自动回退。
推荐理由：原文完整给出了协议桥接矩阵、路由规则和搜索回退的实现细节，读者可以据此评估这个网关是否适配自己的多上游部署场景。
该项目以 slime（THUDM，GLM-5.2 同款后训练栈）为蓝本，在无 GPU 的 CPU 节点上复现 RL 后训练的控制流与 CPU 负载画像，rollout 前向用 llama.cpp + Qwen3-4B 本地推理，training 反向 mock。设计原则是闭环可假、负载失真不可接受，涵盖 agentic RL sandbox 驱动方式、E0–E6 实验与双节点 SWE-bench 设计。
Nick Nisi 发布 pi-extensions，一个 pnpm monorepo，内含多个可独立安装的 pi 扩展包（不上传 npm，仅从本地路径安装）。包涵盖代码工具（ast-grep、codesearch）、生产力（/answer、/btw、llm-council、subagents、/goal、workflows）、UI（statusline、compact-tools、/recap）及行为类（claude-compat、/fast、checkpoint 等）。扩展通过 pi install 添加，本地编辑即时生效，可用 pi remove 移除。
wyn-cmd 在 GitHub 发布 Miso Chat，一个基于 FastAPI 的自托管角色扮演聊天应用，默认对接 Gemini，可选 DeepSeek、本地 OpenAI 兼容服务和 Claude Code 后端。每个账户有独立聊天历史、记忆和角色选择，管理员可管理账户、用量上限、token 预算、角色卡和背景图；Mind Palace 通过关键词匹配检索角色条目，命中最近六条消息即加入提示词，单次最多六条约 3000 字符，不调用模型。项目支持从 txt、docx、PDF 和图片 OCR 起草角色卡，聊天可分支复制（每聊天最多 12 条），并可打包导出角色 zip。作者提醒这是个人项目，未做公网安全加固，safety_settings 已设为 BLOCK_NONE，需在私有网络使用。
Buckley v0.7.0 是一个面向仓库级开发的开源 AI 智能体 harness，集成可恢复会话、Arbiter 治理的模型与工具路由，以及终端、浏览器、one-shot、ACP、LSP 多种操作界面。它支持 OpenRouter、OpenAI、Anthropic、Google 和 Ollama，自动读取 AGENTS.md 与 CLAUDE.md 等仓库指令，提供 plan/execute/review 工作流、带验证与预算的子智能体协调，并内置 8 个技能；安装方式为 go install，采用 MIT 许可证。
GitHub 仓库 Matchline 定位为“职业操作系统”，将真实工作经历整理为可复用的结构化证据，与职位要求匹配并生成有据可依的求职申请，明确不做简历生成器或 ATS 优化器。V1 只服务一个目标：端到端完成一次资深 PM 求职。核心约束是零捏造——所有输出必须溯源到已审核的 Experience Unit；技术栈为 React + TypeScript、Firebase，LLM 用 Anthropic 与 OpenAI，嵌入采用 OpenAI text-embedding-3-small。
GitHub 开源项目 artist-quran-recognizer 正在开发 V1，用于在音频或视频中定位每节古兰经诵读的起止秒数，并按批次输出 Mushaf 原文与官方翻译。核心逻辑（语料库、词汇检索、序列解码、渲染）已就位并测试，音频/ASR 适配器与端到端 CLI 尚在后续阶段；文本与翻译只检索不生成，链路中不含生成式 LLM。支持 whisper、fastconformer、muno-streaming 等 ASR，输出 json/srt/vtt 格式，代码采用 MIT 许可。
GitHub 开源了一个端到端微调流水线，把基础 instruct 模型训练成对话信号分类器与合规回应建议器，覆盖合成数据生成、SFT、DPO、评估和 LoRA 合并导出。默认使用 sshleifer/tiny-gpt2（约 5MB），整个流程可在 CPU 上数分钟内跑完，也可传入 HuggingFaceTB/SmolLM2-135M-Instruct 等小模型运行。
erishen 在 GitHub 开源 agent-httpd，一个用 C 编写的轻量 HTTP/1.1 服务器，包含 prefork 事件循环、CGI zoo、FastCGI、React SSR 管线和原生 C LLM Agent 栈（tool calls / MCP / skills / memory / ReAct / PSE）。项目主进程事件循环加 8 个慢路径 worker，基准测试中 per-conn 模式从 846 req/s 提升到 5142 req/s；chat 端点通过 fork curl -N 对接 OpenAI 兼容上游，无新依赖，二进制仅链接 libc。服务器也可作为库嵌入，注册自定义路由与 Agent 工具。
推荐理由：纯 C 实现的 HTTP 服务器把事件循环、React SSR 与原生 Agent 栈集成在一起，README 给出了完整的架构设计与部署路径。
ICML 2025 论文 "Adaptive Learning Strategies for Large Language Models in Dynamic Environments" 的实现代码在 GitHub 开源，采用 Apache 2.0 许可证。该方法支持实时参数调整、动态记忆管理与防灾难性遗忘机制，无需全量重训练。在四类动态环境测试中，新领域场景性能从 68.1% 提升至 86.2%（+18.1%），时序变化场景提升 +19.1%。
BFJ Concerns 开源了 Swage，一个运行在自己硬件上的常驻 AI Agent 网关，用 Rust 编写，配 Svelte 5 Web UI 和 Electron 桌面壳。每轮对话的上下文由可脚本化的命名组装器生成并完整记录，回复、工具调用、审批和配置变更存入本地 SQLite 审计库；工具经 bubblewrap 和 Landlock 沙箱执行并默认逐次审批。项目为极早期 alpha，仅支持 Linux 单操作者，无身份验证，AGPL-3 许可。
GitHub 仓库 llm-adaptive-learning 开源了 ICML 2025 论文 "Adaptive Learning Strategies for Large Language Models in Dynamic Environments" 的实现，让 LLM 在动态环境中实时调整行为且不发生灾难性遗忘。方法包含自适应参数更新、动态记忆管理、环境检测与稳定性机制，在主题漂移场景下性能从 72.3% 提升至 89.7%，时间变化场景从 69.8% 提升至 88.9%。项目采用 Apache 2.0 许可证开源。
SMT Fusion 1.1.1 是一个基于 Flutter 3.47.2 的原生桌面应用，支持 T100 BOM 核对、SMT 贴片审查和 BlueEye FAI-i450 CAD 坐标工作流，可检测缺料、多料、重复、坐标与角度差异。它提供中英泰三语界面，可配置 OpenAI Chat Completions 兼容端点做 AI 复核，AI 结果不改变确定性检查状态。Windows x64/ARM64、Linux、macOS 安装包已在 GitHub Releases 发布，并附 SHA-256 校验文件。
API Evangelist 收录了英国 ForceDream Ltd 的"ForceDream Intelligence OS"公开 API 档案，涵盖 api.forcedream.ai 上的 REST API、远程 MCP 服务器和 A2A 1.0 agent。档案基于公开资料整理，包括 8 个操作的 OpenAPI 3.1 规范、含 18 个技能的 A2A agent card、21 个工具的 MCP 服务器及 12 个 SDK；每次执行均经 Ed25519 签名可验证，每次调用的 78% 毛利归 agent 开发者。该评分仅为独立评估，非安全审计。
Stay Focused V2 是一款移动优先、日程优先的学生生产力应用，可将课程源材料转化为复习资料（reviewer）。其 Expo/React Native 应用由 Next.js 15 API、Supabase 认证、OpenAI 生成与 Google Cloud OCR 支持，Canvas Phase 5 已通过 Phase 5F.2 的持久、增量、可恢复同步切片完成。文档作业最多接受 100 页 PDF（其中最多 40 页需 OCR），同步与 Canvas 提取上限为 40 页；Phase 6 与 Phase 7 尚未开始。
GitHub 新仓库 ai_audio_studio 是一个独立的本地声音工作室，第一阶段支持 IndexTTS2 文字转人声与 Seed-VC V2 长人声音色转换，提供任务状态和 WAV 下载，音乐与音效留待后续接入。项目采用项目 API、IndexTTS2、Seed-VC 三个独立 Python 环境以避免依赖冲突，Windows 建议 Python 3.10。仅限处理本人或已授权声音，不得用于冒充、欺诈或未授权克隆。
开源项目 Tool Scout 每日爬取适配 Claude Code 的工具，包括 MCP server、Claude 插件、SKILL.md 技能和 agent harness，按 S 到 F 六个等级打分推荐。它基于维护者现有的 Claude Max 订阅在本地运行，因此服务免费使用；用户可对标记 needs_wrapper 的工具请求生成 Claude 兼容包装器，生成约需 5–15 分钟，每 IP 限 3 次/24 小时，全局上限 10 次/天。项目现为 engineering preview 阶段，采用 MIT 许可证。