新闻、仓库与研究，按时间排列。
GitHub 开源仓库 NinFenz（NF，宁封子）是一个域中立、模型无关的“内容契约层”，定义 AI 稳定产出长内容的协议、质量门禁与资产标准。仓库新增纯标准库实现的 NF TUI（v1.0.0）全屏终端界面，支持 Tab 切面板、/ 过滤、--demo、--selftest 等命令，写盘需 yes 确认。官方核心含 13 模块、3 管线、111 登记包，verify v2.30 提供 check1-42 共 PASS=76 的质量基线，MIT 许可开源。
开源工具 Bubo 是一个 agentic AI 代码审查器，可审查 GitLab MR 和 GitHub PR，用自选的 LLM（如 OpenAI、Anthropic 或其他 CLI 后端）只发布值得处理的行内发现，过滤噪音。它支持置信度门槛、去重、基于反馈的阈值调优、本地仪表盘与 ROI 指标，可通过轮询或 MCP 触发审查，也提供实验性 GitHub Action，采用 MIT 许可证并附带 cosign 签名发布与 SBOM。
jtrachtenberg 发布 Decant 浏览器扩展，在 claude.ai、ChatGPT、Gemini 等界面内于上传前把 PDF、Word、Excel、PowerPoint、HTML 本地转成 Markdown，已上架 Chrome Web Store，Firefox 版待提交。核心是 intercept → route → transform → substitute 管线，避免聊天后端把 PDF 每页渲染成图片计费；六个真实 PDF 实测估算 token 成本降约 32–57%，文件体积降 60–99%，转换耗时 0.2–3.1 秒。
vibrunazo 在 GitHub 发布 RotomArena，一个让大语言模型自组宝可梦队伍并在 Pokémon Showdown 上逐回合对战的竞技基准，网站 rotomarena.org 公开评分、每局回放和各模型推理记录。主基准 Rotom Champ Bench 采用 c5 规则集（50 级、6 选 3、每回合 8192 token 预算、隐藏思考上限 4096 token），评分用 Bradley-Terry 拟合 Elo 并给出 bootstrap 95% 置信区间，参与者包括经 OpenRouter 接入的模型、本地 llama.cpp 模型、决策模型、去掉了语言模型的 PokéChamp 规则实现和随机 AI；代码采用 MIT-0，数据采用 CC0 1.0。
推荐理由：原文写明了评分方法、隐藏思考 token 上限和幻觉判定规则，读者可以据此判断这个基准的公平性设计。
InferFabric（前身为 Iron Pangu）是一个 Rust 编写的华为 Ascend 推理编译器与运行时，通过 DSL 描述模型并用原生内核执行，全程不参与任何 Python 或 PyTorch 引擎。2026-10-16 达成两个里程碑：92B 模型以 107 行 DSL 定义并编译为 2,109 个 primitive 操作，在 8 张 Ascend NPU（TP8/EP8）上端到端验证，三个完整回答的 33/33 生成 token 与固定参考匹配；activation、路由数据和 KV 状态全程驻留 NPU，24 项 case/rank 审计零 activation 回传。内存复用使每 rank 启动 HBM 增长从 5.79 GB 降至 3.53 GB，约 39%。
tuonelang 是一个用 Rust 实现的实验性静态类型、内存安全的原生编程语言和编译器，同时面向人类程序员与 AI coding agents 设计。它围绕 TDG（Test Driven Generation）范式构建，可执行规范与代码同址存放，用于驱动和验证机器生成代码；编译器端到端实现，含 Cranelift 调试后端与 LLVM --release 优化后端，并配有 23 个模块的标准库、LSP 核心、agent protocol server 等。0.1 发布门（specification/RELEASE-0.1-GATE.md）显示 READY，16 项标准全部达成。
SeanHogg 在 GitHub 上开源 Builderforce.ai，一个人机协同（human-in-the-loop）的全智能体云端平台，内置浏览器 IDE、Workforce Registry 专科智能体注册表和编排门户。平台支持在浏览器内通过 WebGPU 加速的 LoRA 微调训练最高 2B 参数的模型（Mamba-1/2/3 及 GPT 架构），训练出的智能体可打包成 AgentPackage 发布、被雇用并在自己的智能体中调用，还能通过 VS Code 扩展在编辑器内完成任务分派、审查与批准，全程无需离开代码环境。2026-10-12 更新为本地推理运行时新增 Sequential batching，可在不重新加载模型的情况下批量运行多个 prompt。
GitHub 上的开源项目 Perro 是一个受 Muse 和 OpenClaw 启发的持久个人 AI 助手，运行时为 Lobo 的 fork。它按自选节奏唤醒、处理任务、维护记忆，身份由 workspace/SOUL.md 与 USER.md 定义，模型客户端支持 DeepSeek API、OpenRouter 或本地 llama.cpp/Ollama（均兼容 OpenAI），并可通过 Telegram 桥接聊天，home/ 每 6 小时自动备份到私有仓库。
GitHub 用户 wmar-dev 发布了 llm-wiki-hn 仓库，定位为面向 Hacker News 的 LLM Wiki（大语言模型维基）。原文未提供更多功能或数据细节。
zhangjun 在 GitHub 发布 AI Infra PR Tracker，一个面向 vllm、SGLang、verl、Megatron-LM、TensorRT-LLM 等主流 AI 基础设施仓库的 PR/Issue 追踪看板。它提供按日/周/月分组视图、LLM 生成的每周编辑摘要，以及 repo、类型、分类等多维筛选，数据经 GitHub Actions 每日 01:00 UTC 自动刷新。项目基于 Next.js 16 + React 19 构建，支持 OpenAI 兼容 API 的 LLM 增强，裁剪正文后 data.json 从 10.6MB 降至 2.8MB（gzip 后 0.6MB）。
R-D-BioTech-Alaska 的 QELM 是一个围绕可训练量子电路构建的完整生成式语言模型框架，而非附加小量子电路的经典模型，涵盖量子注意力、量子通道、sub-bit 编码、数据再上传、SPSA 与参数移位梯度训练及聊天界面。项目目前让位于其 Brain 项目，将在 Brain 与 QWEN 3.6 27b 基准对比后更新。架构、历史版本和基准材料公开，可供非商业用途下载检查；修改、再分发和商业使用需另行书面许可。
GitHub 上新开源的 graph-density-engine 是一个纯 Python、零依赖框架，用于测试通信拓扑密度对多智能体通信系统的影响，通过 Engine.run() 串联 Erdős–Rényi 拓扑生成、路由、确定性 PureAgent 策略、遥测与六项诊断指标。全部组件仅用 Python 标准库实现，无需 API key 和网络调用，任何阶段 API 成本为 $0；8 个 agent 时密度扫描取 [0.2, 0.4, 0.6, 0.8, 1.0]，每级 10 次试验，种子锁定可复现。
一个新开源的 LLM 代码生成实验框架在真实代码库 Logix 上对比 GPT、Gemini 和 Claude，测试单轮生成与 agentic 自我纠正两种模式，评分维度包括测试通过率、安全问题、可维护性、一致性和可用性。用户需配置 OpenAI、Anthropic、Google 的 API key，并指向一个干净的 Logix 本地克隆，沙盒会按任务/模型/轮次创建一次性 git worktree。框架提示 agentic 模式在 MAX_TURNS_AGENTIC=4 下 API 调用最多达单轮的 4x，建议先在 2-3 个任务上试跑以估算成本。
该仓库是一个图像生成实战项目，要求自行设计并训练 cGAN（条件生成对抗网络），按 10 个类别（如 T-shirt、Sneaker 等）条件生成 FashionMNIST 图像，数据集含 60,000 张训练图与 10,000 张 28×28 灰度测试图。项目用 uv 管理 Python 3.12 环境，并规定了分支命名、commit 规范与 PR 协作流程。另有进阶任务为生成 20 类帽子图像，可用数据增强、超参调优及 FID、IS 等指标改进和评估模型。
GitHub 新仓库 LangSysQuanta 是一个面向 AI 生成与自动修复的系统编程语言项目，采用 C seed → B-LS stage1 → stage2 → stage3 三阶段自举路线，目标是不依赖 LLVM、Rust 或大型工具链构建编译器自身。stage1 已实现多函数、struct、enum、match、UTF-8 标识符及 read_file / write_file 等内置 I/O，自编译到 stage2 的解释与编译路径均已通过；GitHub Actions 实测固定点成立，stage2 与 stage3 逐字节相同，SHA-256 一致。
GitHub 仓库 Multi-Modal-105 提供一套生产级多模态生成 Agent，支持 Text-to-Image（512×512 至 1024×1024）与 Text-to-Video（16/32/64 帧）合成，以及基于 DDIM inversion 的图生图编辑。项目从零实现 VAE、StyleGAN2、VQ-VAE、U-Net、DiT 与 Video DiT 等架构，支持 BF16/FP16 混合精度与 1–512 GPU 分布式训练，并通过 FID、IS、CLIP Score 等指标评测。
KonstantinosKumar89802 在 GitHub 发布 self-improving-agents 仓库，把自我改进代码 Agent 分为 AutoResearch、Feedback、HyperAgent、Arena 四个层级并附完整实验数据。结果显示固定基准会带来虚假信心，Levels 1-3 在 email validation 原测试得 90-100%，换成 Arena 对抗套件掉到 62-66%，而 Arena Loop 保持 70%；Feedback Loop 以 20 倍更低的成本（每任务 $0.03 对 $0.63）取得相近性能。
JamesSokolov 在 GitHub 发布 self-improving-agents 仓库，提出从 AutoResearch Loop 到对抗性 Arena Loop 的四级自我改进代码 Agent 架构。实验显示固定基准会制造虚假信心，Level 1-3 在 email validation 原始测试上得 90-100% 但在对抗套件下降到 62-66%，Arena Loop 保持 70%；Feedback Loop 性价比最优，snake 得分 31.1 高于 Arena 的 29.2 且成本仅为其 1/20（$0.03 vs $0.63 每任务）。仓库支持 checkpoint/resume、自定义任务接入，并提供 run_all.py 一键跑全部实验与结果分析。
ToukoUrsin 在 GitHub 发布 factory-autopilot，这是 Recursive Agents Hackathon（Crusoe × Cerebral Valley）的参赛项目，一个能改写自身 playbook、工具和角色的维护 Agent 团队。候选改动须在未见过的种子上通过配对门控验证，安全动作数不得增加才被保留。留出考试（12 seeds 201–212）显示团队从 N 代的均分 66.5 提升到 N+3 代的 92.8，不安全机器人动作从 21 降到 0；门控保留了 verifier_role、deadline_sweep 和 reorder_buffer，拒绝了使不安全动作从 0 升到 15 的 fast_track。
GitHub 开源项目 zhikunqingtao/zhikuncode 是一个可 Docker 自托管的 AI 编程助手，部署一次即可通过浏览器全流程操控，支持手机访问、五种子 Agent 委派与后台任务，并直连千问、DeepSeek、Moonshot、智谱GLM、MiniMax 等国产大模型。项目在 SWE-bench Lite 官方 harness 评测中 Resolve 168/300（56.0%）、Patch 生成率 284/300（94.7%），并提供安全授权架构、上下文压缩级联、多模态图片对话与 RV-4 证据包可视化等特性。
LEGA（Length-calibrated Evidence-Gated Attention）提出一种注意力门控方法，让同一个门同时参考查询向量、注意力分布集中度和上下文长度，在注意力头找不到可靠信息时减少向残差流写入无关内容。相比仅看查询的输出门控和显式空注意力，LEGA 通过 b·log n 长度校准项解耦“读得集中”与“读得长”的混淆，每头仅新增 d_head+3 个参数。项目在 WikiText-103 上实现了 9 个变体（含去一法消融）的全因子对比，配备多种子统计检验、Holm 校正、基线调优与数据防泄漏审计。
opena2a-org/aicomply 是一个内联内容分类器，可在 AI Agent 将内容发往云端 LLM 前检测 PII、凭证和受监管数据，并提供针对提示词注入与数据渗出的可选语义层（preview，不用于生产环境 gating）。提供 CLI（`npx @opena2a/aicomply scan`）与 npm/pip 库两种用法，SSN 检测 confidence 0.95，CLI 对 CLEAN 返回 exit code 0、有标记时返回 1，可直接接入 CI。项目采用 Apache 2.0 许可证；正则层不检测邮箱、电话、姓名等类型，CLI 也不会在终端或日志中泄露检测值。
GitHub 开源项目 cloudwright 是一款免费、无需注册的浏览器游戏，通过搭建真实云架构学习云基础设施、DevOps、Kubernetes 与安全。它涵盖 AWS、Azure、GCP 和 Kubernetes 的 75 个服务、162 条 codex 词条、15 个任务和 93 个测试，可模拟延迟、缓存、自动扩缩等真实权衡，并内置 DDoS、SQL 注入、SSRF 等攻击与对应防御演练。项目还提供 MCP server，可让 LLM 设计架构、运行模拟并查看评审结果，支持 stdio 和 HTTP 方式接入。
Alia 是一个仅支持 Linux 的全本地 coding-agent 启动器，检测 NVIDIA GPU、显存和内存后自动选择硬件配置、启动 llama-server 并打开 Qwen Code 终端或 Web Shell。v0.2.0 在 RTX 3070 8GB 上实测 Qwen3.6 35B-A3B IQ3_XXS 4K 上下文生成速度 49.9 tok/s，提供多档预设配置、可选 MCP 浏览器与搜索服务器、bubblewrap 沙箱和自动硬件配置选择，README 附带完整基准方法与原始数据。
推荐理由：README 附带在 RTX 3070 上的多配置实测数据和基准方法说明，读者可以据此评估本地跑 coding agent 的速度与内存需求。
GitHub 上出现名为 Sanfam/tps-sherpa 的新仓库，定位为 3D 生成项目。仓库目前包含 apps、content、docs、scripts 等目录，以及 Dockerfile、package.json 和 AGENTS.md、CONTEXT.md 等配置文件，项目细节尚未公开。
GitHub 新仓库 laurentvv/haproxy-dataset-generator 发布了一个 100% 本地运行的 HAProxy 3.2 文档 RAG Agentic 问答助手，基于 LangGraph 多智能体架构和 Ollama，使用 qwen3-embedding:8b 与 qwen3.5:9b 模型。系统抓取 168 个文档章节，采用 Parent/Child 分块（101 parents → 915 children）并结合 ChromaDB 向量检索与 BM25 混合检索（RRF 融合提升 14% 质量）。在 92 题基准测试中，其质量得分为 0.914/1.0、成功率 92.4%，较标准 RAG（0.868/1.0、88%）分别提升 5.3% 和 4.4%，首次构建约需 1h10。
开源仓库 arka 发布，通过单一 YAML 配置声明式定义 SFT 合成数据生成全流程，涵盖种子摄取、生成、去重、质量过滤与输出，并支持 SQLite 检查点断点续跑。它支持 JSONL、CSV、PDF 多源输入，提供 prompt 与 Evol-Instruct 两种生成策略、MinHash + LSH 的 O(n) 近似去重、canary 短语隐私检测，可输出 JSONL、ChatML、Alpaca 格式，项目采用 MIT 许可。
该开源仓库在 MNIST 上训练 MLP 条件 GAN 和类条件 Residual U-Net DDPM，各跑三个种子共六次生成实验，每种模型生成 10,000 张图片并训练 20 epoch 的纯合成数据分类器。三种子平均真实测试准确率为 cGAN 86.59% ± 7.52 pp，DDPM 96.19% ± 0.36 pp。仓库提供完整训练/续训命令、验证脚本、生成样本网格与权重，支持 CPU 和 Apple Silicon MPS。
GitHub 仓库 payswapdotorg/higgsfield 发布了 AI 创意套件 higgsfield.ai 的 clean-room 克隆，已按 5 个 wave 完成 app shell、生成管线、社区、定价及账户与公开主页等界面。项目基于 Next.js 16、TypeScript、Prisma + SQLite 构建，实现 route parity 62 条路由 / 0 缺失，并含 WAL 加固、作业重试与每用户每分钟 30 次 POST 的限流。演示账号提供 1,000 wallet credits、每日 10 credits 与 5 次 nano_banana_2 生成额度。
michaelkonstantinou/yate-jk-plugin 是研究项目 YATE（Yet Another TEst generator）的 Maven 插件，用 LLM 生成单元测试，其方法是在修复模型响应时增量提供更有意义的内容。插件支持通过 gptModel（如 gpt-4、gpt-4o）、DeepSeek API 和本地 Ollama 调用模型，可配置 JUnit5、TestNG 等测试框架和 Java、Kotlin 等语言，并提供 maxFixIterations 等多项修复与生成迭代控制参数。除单类或指定方法生成外，还支持通过 CSV 文件批量生成测试并回写统计数据。
开源工作区 Localix 发布，支持用户与多个 AI 智能体共享编辑器、终端、预览和数据库。目前仅提供 macOS Apple silicon 安装包（已签名公证），其他平台需从源码运行，桌面应用依赖 Bun 1.3.14、Rust 工具链和 Tauri，项目处于 beta 阶段，采用 MIT 许可证。
LucianoDPerez 开源了 AgentDevs，一个完全本地运行的编码智能体，用 llama.cpp 跑本地模型，通过 analyze/plan/execute/review 角色化流程分析、规划、实现并审查代码，关闭任务前强制跑 lint/tests/build 验证。它内置 inspect_routes、inspect_models 等高密度工具以减少小模型的推理步数，集成 codebase-memory-mcp 知识图谱理解项目架构，支持 OpenCode 云端模式作为替代。
GitHub 上的 LLMCoreLearning 仓库提供从零学习大语言模型组件的资料，待办事项包括加入 FAISS 与 Google 2025 年 4 月论文提出的 TurboVector/TurboQuant 的对比示例，并计划验证和增强 GeoAI 演示；因体量原因，作者考虑将部分内容发布到独立仓库。
Reddit 用户发布 AnimLang，一个利用 LLM 创建动画的开源仓库，支持 GSAP、ThreeJS 和 Manim，可通过 `npx animlang@latest` 安装或直接把仓库链接交给编码工具使用。作者测试 Strata GSQ-RCO Coder 与 Unsloth IQ4 等模型后称中文模型效果最好，其中 Kimi 表现最佳，示例视频由 Flash Next IQ4 生成。
Fluency Next 是 Fluency 的本地优先（local-first）后继版本，法语语音（French Speech）为首个实现，核心设计支持扩展更多语言和模式。项目以 Python 3.12 为受支持的开发运行时，通过 `make bootstrap`、`make test` 等命令本地引导，开发服务器仅挂载来自独立 Fluency-Workspace 的紧凑发布包，无生产或 GitHub 依赖。当前应用已上线，包含西班牙语、葡萄牙语、捷克语、芬兰语和法语的 Speech 卡组、西语歌手 Lyrics 卡组，以及法葡语的 Artist 模式测试发布。
Magic Hour 在 GitHub 发布 magichourhq/skills 技能库，让 Codex、Claude Code 等 AI 智能体通过 Magic Hour 的 creation MCP 或 API 生成和处理视频、图像与音频。技能覆盖照片动画、换脸/换身、Text-to-Video、Talking Photo、音乐视频、产品图等 20 多种工作流，可单独安装，如 `npx skills add magichourhq/skills --skill magic-hour-image-to-video`。技能免费安装，生成按 credits 计费，使用需 Magic Hour 账号和 API key，无需写代码或托管服务器。
开源分析平台 GridPulse AI 发布，面向发电报告、燃料使用分析、维护事件跟踪和运行异常检测，首个案例研究基于伊朗 Qaen 的 Shahid Kaveh 联合循环电厂的公开报道信息。项目目前处于原型阶段，已包含只读 FastAPI 基础、带来源感知的观测数据 CSV 校验、单元测试和 GitHub Actions 测试流程，尚无实时电厂遥测或已验证的预测模型。仓库明确声明不接入 SCADA 等运行系统，缺失数据不伪造，合成数据将明确标注。
开源仓库 Fpengz/video-generation 提供 video world models 研究工具，覆盖语言到场景控制的机制可解释性与长时程视频生成，含 43 篇参考文献的研究综述与路线图。其 video_probe 模块在 Wan2.1-T2V-1.3B 上复现物体-动作绑定失败，使用 112 条绑定提示加 48 条控制提示、3 个 seeds 共 480 段视频，验证器支持 SAM 3 Video 和 Grounding DINO + SAM 2 两种后端。单张 H200 上每段约 80 秒，首个 swap pair 实验已复现失败：红车开错方向后变蓝，且在 layer 15 做早期步 patch 可复现源片段行为。
GitHub 上发布了一个基于 Streamlit、由 Ollama 驱动的 SEO 内容生成工具，支持波斯语 RTL 排版、批量处理，并可导出 Excel/JSON 格式。仓库当前处于早期阶段，暂无 star、watch 或 fork 数据。
GitHub 新仓库 ai-engineering-handbook 提供 LLM API、prompt 工程、LangChain、LangGraph、RAG、AI agents、MCP、向量数据库、评测、安全、可观测性和云部署的实操参考。内容包含教程、代码示例、架构模式、端到端项目及面试准备材料。