Towards Retrieving Interaction Spaces for Agentic Search1 - 把检索输出重新定义为 agent 可探索的 interaction space，并在百万文档规模上保住准确率与成本。
全文 ↓今日重点 · Today's Highlights
LayerRoute: Input-Conditioned Adaptive Layer Skipping via LoRA Fine-Tuning for Agentic Language Models2 - 用输入条件化 layer skipping 区分工具调用与规划推理，给 agent 推理提供细粒度算力分配。
全文 ↓
Lean4Agent: Formal Modeling and Verification for Agent Workflow and Trajectory3 - 把 workflow 和轨迹放进 Lean 4 验证链路，让 agent 调试开始接近形式化工程。
全文 ↓
Socratic-SWE: Self-Evolving Coding Agents via Trace-Derived Agent Skills4 - 从 coding agent 轨迹中抽取技能再生成弱点导向任务，形成更贴近失败分布的训练闭环。
全文 ↓
RyanCodrai/turbovec5 - 把 TurboQuant 做成 Rust/Python 可用索引，针对本地 RAG 的内存、过滤和 SIMD 检索路径给出完整工程实现。
全文 ↓论文 · Papers
13 项 · 论文本期重点Towards Retrieving Interaction Spaces for Agentic Search1arxiv.org原文 ↗
arxiv.org
论文把 agentic search 的检索对象从“文档列表”改成可交互的 corpus 子空间。RISE 用 BM25 划定边界，并在索引时把文档处理成可被 shell 式导航的对象；在 BrowseComp-Plus 上用 gpt-5.4-mini 达到 78% accuracy，成本约为纯 shell DCI 的四分之一；在 100 万文档规模下 RISE-BM25 达 81%，而 DCI 在 nano 模型上降到 60% 且出现 33/100 次超时。
–
本期重点LayerRoute: Input-Conditioned Adaptive Layer Skipping via LoRA Fine-Tuning for Agentic Language Models2arxiv.org原文 ↗
arxiv.org
LayerRoute 针对 agent 工作流中工具调用和开放推理两类步骤的计算需求差异，给 Qwen2.5-0.5B-Instruct 的 24 个 Transformer block 加二值 router，并用 LoRA 微调保持主干冻结。训练 3000 步、约 6.4 分钟 A100 后，只用 1.10M 可训练参数实现 12.91% skip differential：工具调用跳过 15.25% FLOPs，规划步骤只跳过 2.34%。
–
本期重点Lean4Agent: Formal Modeling and Verification for Agent Workflow and Trajectory3arxiv.org原文 ↗
arxiv.org
Lean4Agent 用 Lean 4 形式化语言描述 agent workflow 和执行轨迹，提供 FormalAgentLib 来验证语义一致性、定位轨迹暴露的运行时失败，并用 LeanEvolve 基于验证结果修订 workflow。实验覆盖 SWE-Bench-Verified hard subset 和 ELAIP-Bench 子集、5 个主流 LLM；通过验证的 workflow 平均比失败 workflow 高 11.94%，LeanEvolve 进一步平均提升 SWE 表现 7.47%。
–
OpenSkill: Open-World Self-Evolution for LLM Agents6arxiv.org原文 ↗
arxiv.org
OpenSkill 研究 open-world self-evolution：agent 只有任务提示，没有现成 skill、成功轨迹或 verifier。框架从文档、仓库和 Web 获取 grounded knowledge 与 verification anchors，再合成可迁移 skill，并用自建虚拟任务训练；论文称在 3 个 benchmark 和 2 个目标 agent 上取得最佳 automated pass rate，且 self-built verifier 与 ground truth 结果对齐。
–
AdMem: Advanced Memory for Task-solving Agents7arxiv.org原文 ↗
arxiv.org
AdMem 把 semantic、episodic、procedural memory 放进统一自动记忆框架，采用短期/长期双层存储和 actor、memory、critic 多 agent 架构。它不仅保存事实，还自动生成记忆、标注 reward、检索、合并和剪枝长期记忆，目标是让长程任务中的经验能持续复用并处理失败案例。
–
Declarative Skills for AI Agents in Knowledge-Grounded Tool-Use Workflows8arxiv.org原文 ↗
arxiv.org
这篇论文比较三类客服式工具使用编排：带 3 个自然语言 skill 文件的 DeclarativeAgent、显式状态机 ImperativeAgent，以及类似 τ-Knowledge 的无 scaffold baseline。实验横跨 5 个语言模型和 2 种检索 regime，结论很克制：检索质量是主要瓶颈；证据不全时 skill 文件补不回性能，高质量检索下 declarative skills 才稳定改善 procedural task accuracy 并减少 orchestration errors。
–
Attack Selection in Agentic AI Control Evaluations Meaningfully Decreases Safety9arxiv.org原文 ↗
arxiv.org
论文指出 AI control eval 中攻击者若能选择何时开始或停止攻击，会显著降低测得安全性。作者把 attack selection 分成 start policy 和 stop policy，在 BashArena 与 LinuxArena 中测试；1% audit budget 下，start policy 在两个环境都把 safety 降低 20pp，stop policy 在 BashArena 降 20pp、LinuxArena 降 28pp。
–
MacArena: Benchmarking Computer Use Agents on an Online macOS Environment10arxiv.org原文 ↗
arxiv.org
MacArena 是面向 Apple Silicon 原生 Virtualization framework 的 macOS computer-use agent benchmark，包含 421 个手工验证任务、覆盖 50 个应用，混合 OSWorld port、macOSWorld 内容和 49 个新的 macOS-native 任务。论文发现模型在既有 benchmark 上的排序不能稳定外推到 macOS-native 子集，领先模型在 MacArena 子集上落后超过 26%。
–
When Tools Fail: Benchmarking Dynamic Replanning and Anomaly Recovery in LLM Agents11arxiv.org原文 ↗
arxiv.org
ToolMaze 专门测试工具失败后的动态重规划和异常恢复，而不是 happy-path 工具调用。它用 DAG 拓扑复杂度和显式/隐式、瞬时/永久的 2x2 perturbation 分类构造任务；隐式语义失败造成最大跌幅，Perturbation Recovery Rate 约下降 37%，且容错能力随模型规模提升的速度比基础任务执行慢 3.66 倍。
–
本期重点Socratic-SWE: Self-Evolving Coding Agents via Trace-Derived Agent Skills4arxiv.org原文 ↗
arxiv.org
Socratic-SWE 把 coding agent 历史解题轨迹蒸馏成结构化 agent skills，用这些 skills 生成针对弱点的真实仓库修复任务，再通过执行验证和 solver-gradient alignment reward 筛选任务。闭环迭代后 Solver 产生新轨迹继续更新课程；在 SWE-bench Verified、Lite、Pro 和 Terminal-Bench 2.0 上优于同预算 self-evolving baseline，三轮后 SWE-bench Verified 达 50.40%。
–
UnpredictaBench: A Benchmark for Evaluating Distributional Randomness in LLMs12arxiv.org原文 ↗
arxiv.org
UnpredictaBench 评估 LLM 采样是否贴近目标分布，而不是只生成多样答案。它包含 448 个问题，覆盖标准统计分布、随机程序诱导分布和自然语言随机过程，并用 KS@N 衡量模型样本与 ground-truth 样本的 Kolmogorov-Smirnov 检验通过率；在 KS@100 上模型分数从接近 0 到 20%+ 不等，没有模型超过 40%。
–
Data-Efficient Autoregressive-to-Diffusion Language Models via On-Policy Distillation13arxiv.org原文 ↗
arxiv.org
OPDLM 把自回归语言模型转成扩散语言模型时，用 on-policy distillation 避免两个分布偏移：ARLM 目标到 DLM 目标的知识损失，以及随机 mask 训练与 confidence decoding 推理的 mismatch。学生模型在自己的推理轨迹上学习，冻结 ARLM 教师提供 logits；论文称训练 token 需求减少 15x 到 7000x。
–
Reinforcement Learning from Rich Feedback with Distributional DAgger14arxiv.org原文 ↗
arxiv.org
这篇工作把执行轨迹、工具输出、专家修正、自评等 rich feedback 放进 distributional DAgger，而不是只用最终答案二值奖励。方法用 forward cross-entropy 对当前策略访问状态上的专家分布学习，并证明相对 reverse KL/Jensen-Shannon 自蒸馏目标有单调策略改进与 regret 保证；实验中的 DistIL 在科学推理、代码和高难数学任务上优于 RLVR 与自蒸馏 baseline。
–
开源 / 项目 · Projects
12 项 · 开源 / 项目
currentspace/http316github.com原文 ↗
github.com
@currentspace/http3 为 Node.js 24+ 提供 HTTP/3、HTTP/2 fallback 和 raw QUIC client/server，底层由 Rust 与 Cloudflare quiche 驱动。它支持 QUIC/UDP 上的 HTTP/3、同一 listener 上 TLS/TCP HTTP/2 fallback、双向 stream、datagram、session resumption、自定义 ALPN，并提供 fetch/SSE/EventSource 与 Express adapter。
–
AST-guard18github.com原文 ↗
github.com
ast-guard 是 LLM 生成代码执行前的确定性 AST gate，不依赖 LLM、ML 或执行沙箱。它有 pair mode 和 standalone mode，检查 hardcoding、complexity collapse、forbidden calls、import drift、extensional enumeration 与行为风险分数；README 给出的外部数据结果包括 MALT normal 77,369 样本 95.0% TNR，以及 School of Reward Hacks pair recall 96.2%。
–
Metatron19github.com原文 ↗
github.com
Metatron 把代码库里的真实工程决策提取成结构化 priors，并通过 MCP 服务给 coding agents。它只把 imports、decorators、base classes、commit subjects 等结构信号送入抽取，不上传 raw source；决策以 pattern、scope、rationale、confidence、source_refs 形式存储，且 bootstrapped、agent-submitted、feedback-refined 内容都要人工 curate 才能成为 canonical。
–
Superlog20github.com原文 ↗
github.com
Superlog 是开源 agentic telemetry / observability workspace，接收 OpenTelemetry traces、logs、metrics，把噪声信号聚合成 incidents，并给团队本地优先的生产调试界面。社区版包含 Web/API、OTLP ingest proxy、incident grouping worker、Postgres schema、ClickHouse-backed telemetry queries 和 pluggable investigation runner。
–
RiskKernel22github.com原文 ↗
github.com
RiskKernel 是自托管 agent reliability runtime，放在现有 agents 前面执行 deterministic run controls。它提供每 run 成本/token 上限、循环次数上限、wall-clock budget、crash-resumable checkpoints、human approval gates、自有 SQLite/Markdown/YAML memory 和 OpenTelemetry GenAI spans；零代码接入方式是把 OPENAI_BASE_URL 指向本地 proxy。
–
Tinytasktree24github.com原文 ↗
github.com
tinytasktree 是 Python 3.13+ 的 async task-tree orchestrator，行为树风格，面向 LLM tool call workflow。它提供 Sequence/While/Function/LLM/Tool 等节点、显式 success/failure 语义、store-backed caching、termination signaling、trace collection 和 HTTP trace viewer；README 示例把天气工具循环限制为 max_loop_times=4。
–
Incremental RAG ingestion25github.com原文 ↗
github.com
chunks-sync 面向增量 RAG ingestion：只对变更 chunk 重新 embedding，而不是每次重建完整向量库。digest 描述显示它适合文档持续更新的知识库场景，核心价值在于把 embedding 成本和索引更新时间绑定到实际 diff，而不是绑定到 corpus 总量。
–
行业动态 · Industry News
10 项 · 行业动态Apple reveals new AI architecture built around Google Gemini models27macrumors.com原文 ↗
macrumors.com
MacRumors 报道 Apple 宣布 Apple Intelligence 架构大改，基础模型由 Apple 与 Google 基于 Gemini 技术协作开发，但运行路径仍强调 on-device 与 Private Cloud Compute。报道提到新模型支持 image understanding/generation、advanced photo editing 和 visual question answering，并有 system orchestrator 根据当前 app 与任务协调系统级响应。
–
Apple Core AI Framework28developer.apple.com原文 ↗
developer.apple.com
Apple Core AI Framework 文档页本身需要 JavaScript，digest 显示它是面向本地和系统级 AI 能力接入的新开发者文档入口。结合 WWDC 页面同日发布的 Apple Intelligence 扩展，它代表 Apple 把系统模型能力从产品功能进一步开放到开发者接口层。
–
Apple WWDC 202629apple.com原文 ↗
apple.com
Apple Events 页面列出 WWDC26 发布重点：New Siri AI powered by Apple Intelligence、扩展 child safety features，以及跨设备性能和可靠性更新。页面还写明 Siri AI 有 richer answers、natural conversations 和 dedicated app，Apple Intelligence 扩展到 Photos、Messages、Safari 等更多 app，部分功能 later this year 推出。
–
Built to benefit everyone: our plan30openai.com原文 ↗
openai.com
OpenAI 的组织计划把当前阶段定义为“third phase”：不只是推进 frontier capability，而是让 advanced AI 变得 abundant、affordable、safe、useful 并可被个人和组织实际使用。文章强调 access、safety、privacy、affordability、open ecosystems 和 public oversight，并把目标表述为更广泛分配 AI 带来的生产力、创造力、科学进步和经济机会。
–
Introducing the OpenAI Economic Research Exchange31openai.com原文 ↗
openai.com
OpenAI Economic Research Exchange 征集外部研究项目，聚焦 AI 对就业、生产率、企业、教育、创业、公共财政、地区经济、发展与不平等等影响。项目要求 proposals 说明如何在治理和隐私保护下使用 OpenAI tools/datasets，评审依据包括方法严谨性、可行性、milestones 和对可信外部证据的贡献；申请截止 2026-07-05。
–
MiMo-v2.5-Pro-UltraSpeed: 1T model with 1000 tokens per second32mimo.xiaomi.com原文 ↗
mimo.xiaomi.com
小米 MiMo 团队与 TileRT 发布 MiMo-V2.5-Pro-UltraSpeed，称在 1T 参数模型上首次突破 1000 tokens/s decode，峰值约 1200 tokens/s。实现路径包括只对 MoE Experts 做 FP4/MXFP4 量化、DFlash block-level masked speculative decoding、TileRT persistent engine kernel 与 warp specialization；单个标准 8-GPU commodity node 即可输出 1000+ tokens/s。
–
Amazon Cognito now supports multi-Region replication33aws.amazon.com原文 ↗
aws.amazon.com
AWS 宣布 Amazon Cognito 支持 multi-Region replication。digest 显示该能力面向身份系统的跨区域韧性：用户池相关数据可复制到多个区域，降低单区故障、区域迁移和全球应用登录路径中的可用性风险。
–
Massachusetts bans sale of precise location data in new privacy rights bill34techcrunch.com原文 ↗
techcrunch.com
TechCrunch 报道 Massachusetts House 以 146-0 通过 Consumer Data Privacy Act，Senate 早前 40 名议员也支持推进相关版本。法案禁止出售 precise location data，并要求分享或出售 biometrics、health/genetic/fingerprint、宗教、移民身份、性取向等敏感信息前取得 explicit consent；适用门槛是处理超过 100,000 名消费者个人数据的公司。
–
Texas grid flags risks as data centers, crypto sites fail voltage tests35reuters.com原文 ↗
reuters.com
Reuters 报道 Texas 电网运营方对数据中心和加密矿场负载提出 voltage stability 风险，原因是部分大型负载未通过电压测试。该条的工程含义在于 AI/data center 需求开始从“可买多少电”进入“负载动态特性是否能被电网承受”的约束阶段。
–
Nvidia partners with LG robotics to build humanoid robots in South Korea36blogs.nvidia.com原文 ↗
blogs.nvidia.com
NVIDIA 与 LG Group 扩大合作，围绕 robotics、AI factory、mobility 和 sovereign AI 建设韩国物理 AI 基础设施。LG 将用 Isaac GR00T、Cosmos、Isaac frameworks 和 DSX AI factory platform；LG Uplus 计划建设可容纳最新 NVIDIA GPUs 的大型 AI 数据中心，LG Energy Solution 还将协作 800V DC 数据中心能源方案。
–
博客文章 · Blog Posts
10 项 · 博客文章datasette-agent-edit 0.1a037simonwillison.net原文 ↗
simonwillison.net
Simon Willison 发布 datasette-agent-edit 0.1a0，围绕 Datasette Agent 的 agentic text editing 工具接口做插件原型。digest 显示它的重点不是完整编辑器，而是把“读上下文、提出补丁、应用变更”的文本编辑动作变成可被 agent 明确调用和约束的工具。
–
Import AI 460: Reward hacking society, RSI data from Anthropic; and RL-based quadcopter racing38importai.substack.com原文 ↗
importai.substack.com
Import AI 本期串联三个研究信号：SocioHack 用 72 个 sandbox societal environments 测试制度性 reward hacking；Anthropic 内部数据显示 2026 年 merge 代码量相对 2021-2024 增长 8x；无人机多智能体 RL 在 22m/s+ 竞速中击败冠军级人类飞手，并把 collision rate 相对单智能体 baseline 降低 50%。
–
How's Linear so fast? A technical breakdown39news.ycombinator.com原文 ↗
news.ycombinator.com
HN 热帖讨论 Linear 为什么前端响应快，digest 指向一篇围绕客户端架构和性能策略的技术拆解。该讨论的价值在于它把“快”拆成实际工程取舍：本地状态、同步协议、渲染边界、缓存与团队对 latency budget 的持续纪律，而不是单一框架选择。
–
AI is slowing down40wheresyoured.at原文 ↗
wheresyoured.at
Ed Zitron 认为 AI 产业需要更快增长来支撑算力资本开支，但实际客户侧开始出现 token spend 控制和 ROI 质疑。他引用 Uber 用完全年 token budget、T-Mobile/Brex 等公司限制人均 AI 支出，以及 KPMG 调查中仅 26% 公司能全面了解 AI 成本，来说明 usage-based token billing 正在成为企业预算约束。
–
xAI is looking more like a datacentre REIT than a frontier lab41martinalderson.com原文 ↗
martinalderson.com
Martin Alderson 分析 xAI 的资本开支和数据中心资产，提出它越来越像 datacentre REIT 而不是纯 frontier lab。digest 指向的核心判断是：当公司叙事从模型能力转向大规模算力租赁、资产融资和机房利用率，商业模式风险也从研发领先转为资本密集型基础设施回报。
–
Dopamine Fracking42igerman.cc原文 ↗
igerman.cc
Dopamine Fracking 讨论消费互联网产品如何把注意力开采推向更细粒度反馈机制。digest 显示文章关注的不只是“上瘾设计”，而是平台把提醒、短反馈、个性化循环和社交比较组合成连续开采层，使用户越来越难把注意力从产品激励结构中抽离。
–
1k Data Breaches Later, the Disclosure Lag Is Worse43troyhunt.com原文 ↗
troyhunt.com
Troy Hunt 在 HIBP 收录第 1000 起 breach 后回顾披露延迟，重点案例是 Carnival 数据在公开泄露后 43 天才通知受害者，Zara 案例也延迟 45 天。文章认为组织常以“仍在评估影响范围”为由拖延早期通知，但 email 地址快速抽取并发送预警并不难，class action 风险正在把披露姿态推向 litigation posture。
–
Are you expected to run five Python type-checkers now?44pyrefly.org原文 ↗
pyrefly.org
Pyrefly 文章讨论 Python 类型检查器增多后库维护者如何取舍。核心建议是尽量在 test suite 上跑多个 type checker，因为测试更接近用户使用 public API；source code 至少跑一个即可。Polars 案例显示，为同时满足 mypy、Pyrefly、ty、pyright，一个 __eq__ overload 片段可能需要 4 个不同 ignore 注释。
–
Self-hosting email the hard way from your own routable IPv4 block up45anil.recoil.org原文 ↗
anil.recoil.org
Anil Madhavapeddy 记录从自有可路由 IPv4 地址块开始自托管邮件服务。digest 显示这不是普通 VPS 邮箱教程，而是从地址空间、路由、DNS、声誉、投递和长期运维完整走一遍，展示现代邮件系统反垃圾与信任网络如何把“能发信”变成持续维护问题。
–
Vulnerability and malware checks in uv46astral.sh原文 ↗
astral.sh
Astral 介绍 uv 新增 vulnerability 与 malware checks。digest 显示该功能把 Python 包安装/解析链路中的安全检查前移到 uv 工作流中，使开发者能在依赖解析、锁定或安装阶段更早看到已知漏洞和恶意包风险，而不是依赖后置扫描。
–
GitHub 热门 · GitHub Trending
12 项 · GitHub 热门本期重点RyanCodrai/turbovec5github.com原文 ↗
github.com
turbovec 是 Rust vector index 与 Python bindings，基于 Google Research TurboQuant 做 data-oblivious quantization。README 称 1000 万文档 float32 需 31GB RAM，turbovec 可压到 4GB 并快于 FAISS；它支持 online ingest、search-time allowlist filtering、IdMapIndex、LangChain/LlamaIndex/Haystack/Agno drop-in integrations，并在 ARM 上比 FAISS FastScan 快 12-20%。
–
microsoft/pg_durable47github.com原文 ↗
github.com
pg_durable 把 durable execution 放进 PostgreSQL 扩展，用 SQL 定义可 checkpoint 的长任务 workflow。每个 pg_durable function 是 SQL steps graph，数据库崩溃、重启或 step 失败后从最后 checkpoint 恢复；适用 embedding pipelines、ingest pipeline、runbook automation、fan-out aggregation 和外部 API workflow。
–
cline/cline48github.com原文 ↗
github.com
Cline 是开源 coding agent，覆盖 IDE extension、CLI、Kanban 和 SDK。CLI 支持交互或 headless CI/CD；Kanban 可并行跑多个 agent 且每张卡有独立 worktree、auto-commit 和依赖链；VS Code/JetBrains 端支持读项目、编辑文件、运行命令、浏览 Web，并通过 approval/checkpoint 控制变更。
–
InsForge/InsForge49github.com原文 ↗
github.com
InsForge 是 agentic coding 的一体化开源 backend platform，提供 database、auth、storage、compute、hosting 和 AI gateway。coding agents 可通过 MCP server 或 CLI+Skills 操作后端：读取 schema、metadata、runtime logs，部署 edge functions、跑 migrations、建 storage buckets、配置 auth providers。
–
ggml-org/llama.cpp50github.com原文 ↗
github.com
llama.cpp 是 C/C++ LLM inference 项目，目标是在本地和云端用最少依赖获得高性能推理。README 列出 Apple Silicon NEON/Accelerate/Metal、x86 AVX/AVX2/AVX512/AMX、RISC-V、CUDA/HIP/MUSA、Vulkan/SYCL、1.5-8 bit quantization、CPU+GPU hybrid inference 等支持；近期热点包括 HF cache migration、gpt-oss native MXFP4 和 multimodal llama-server。
–
lfnovo/open-notebook51github.com原文 ↗
github.com
Open Notebook 是隐私优先的开源 NotebookLM 替代品。它支持 18+ AI providers（OpenAI、Anthropic、Ollama、LM Studio 等）、PDF/video/audio/web pages 等 multimodal content、full-text 与 vector search、research-context chat 和多 speaker podcast generation，定位是私有、多模型、本地可部署的研究工作台。
–
dmtrKovalenko/fff52github.com原文 ↗
github.com
fff 是面向 humans 与 AI agents 的文件搜索 toolkit，提供 typo-resistant path/content search、frecency-ranked file access、background watcher 和 lightweight in-memory content index。MCP server 可接 Claude Code、Codex、OpenCode、Cursor、Cline，暴露 ffgrep、fffind、fff-multi-grep，并用 git-aware annotations、definition-first hinting、smart-case/fuzzy fallback 降低搜索轮次。
–
moorcheh-ai/memanto53github.com原文 ↗
github.com
MEMANTO 把记忆做成主动 memory agent，而不是被动向量库。它围绕 remember、recall、answer 三个操作提供跨 session persistent context、state-of-the-art retrieval、zero ingestion latency，并显式处理六类 memory gaps：可查询性、temporal decay、provenance/confidence、版本化、recency signal 等。
–
plastic-labs/honcho54github.com原文 ↗
github.com
Honcho 是构建 stateful agents 的 memory infrastructure，核心服务是 FastAPI server，Python/TypeScript SDK 在 sdks 目录。它存储 messages 和 events，后台推理 people、agents、groups、projects、ideas 随时间变化的 representations，然后允许按 peer representation、session context、search results 或自然语言 insights 查询，可托管使用也可自托管。
–
opencv/opencv55github.com原文 ↗
github.com
OpenCV 是经典开源计算机视觉库，提供图像处理、视频分析、传统 CV 与深度学习相关工具。GitHub 页面显示 4.x 分支、36k+ commits、88.5k stars，并在 2026-06-06 发布 OpenCV 5.0.0；README 指向 docs、opencv_contrib、论坛和贡献规范，语言构成以 C++ 为主。
–
spaceandtimefdn/sxt-proof-of-sql56github.com原文 ↗
github.com
Proof of SQL 是高性能 ZK prover，用密码学证明 SQL 查询在未篡改数据上正确计算。README 称协议可在 1M+ rows 上亚秒执行 analytic queries，并能在单个 NVIDIA T4 上在 Ethereum block time 内聚合数百万 indexed rows；它使用原生预计算 commitment，而不是常见 Merkle-tree commitment。
–
GraphiteEditor/Graphite57github.com原文 ↗
github.com
Graphite 是开源 2D 内容创作工具，结合 layer-based compositing 与 node-based generative design，实现非破坏性矢量、栅格和 motion graphics 工作流。项目以 Rust/Web 技术栈构建，alpha 版可在线使用；README 把它描述为更像 game engine 的 generalized graphics toolbox，而非传统单一矢量编辑器。
–
引用来源 · References
57 条 · 引用- 1 Towards Retrieving Interaction Spaces for Agentic Search. arXiv:2606.06880https://arxiv.org/abs/2606.06880 ↩ 回到正文 · back to text
- 2 LayerRoute: Input-Conditioned Adaptive Layer Skipping via LoRA Fine-Tuning for Agentic Language Models. arXiv:2606.01838https://arxiv.org/abs/2606.01838 ↩ 回到正文 · back to text
- 3 Lean4Agent: Formal Modeling and Verification for Agent Workflow and Trajectory. arXiv:2606.06523https://arxiv.org/abs/2606.06523 ↩ 回到正文 · back to text
- 4 Socratic-SWE: Self-Evolving Coding Agents via Trace-Derived Agent Skills. arXiv:2606.07412https://arxiv.org/abs/2606.07412 ↩ 回到正文 · back to text
- 5 RyanCodrai/turbovechttps://github.com/RyanCodrai/turbovec ↩ 回到正文 · back to text
- 6 OpenSkill: Open-World Self-Evolution for LLM Agents. arXiv:2606.06741https://arxiv.org/abs/2606.06741 ↩ 回到正文 · back to text
- 7 AdMem: Advanced Memory for Task-solving Agents. arXiv:2606.06787https://arxiv.org/abs/2606.06787 ↩ 回到正文 · back to text
- 8 Declarative Skills for AI Agents in Knowledge-Grounded Tool-Use Workflows. arXiv:2606.06923https://arxiv.org/abs/2606.06923 ↩ 回到正文 · back to text
- 9 Attack Selection in Agentic AI Control Evaluations Meaningfully Decreases Safety. arXiv:2606.06529https://arxiv.org/abs/2606.06529 ↩ 回到正文 · back to text
- 10 MacArena: Benchmarking Computer Use Agents on an Online macOS Environment. arXiv:2606.06560https://arxiv.org/abs/2606.06560 ↩ 回到正文 · back to text
- 11 When Tools Fail: Benchmarking Dynamic Replanning and Anomaly Recovery in LLM Agents. arXiv:2606.05806https://arxiv.org/abs/2606.05806 ↩ 回到正文 · back to text
- 12 UnpredictaBench: A Benchmark for Evaluating Distributional Randomness in LLMs. arXiv:2606.06622https://arxiv.org/abs/2606.06622 ↩ 回到正文 · back to text
- 13 Data-Efficient Autoregressive-to-Diffusion Language Models via On-Policy Distillation. arXiv:2606.06712https://arxiv.org/abs/2606.06712 ↩ 回到正文 · back to text
- 14 Reinforcement Learning from Rich Feedback with Distributional DAgger. arXiv:2606.05152https://arxiv.org/abs/2606.05152 ↩ 回到正文 · back to text
- 15 QuillUIhttps://github.com/Lore-Hex/QuillUI ↩ 回到正文 · back to text
- 16 currentspace/http3https://github.com/currentspace/http3 ↩ 回到正文 · back to text
- 17 Guardenhttps://github.com/las7/Guarden ↩ 回到正文 · back to text
- 18 AST-guardhttps://github.com/Nick-is-building/ast-guard ↩ 回到正文 · back to text
- 19 Metatronhttps://github.com/kerbelp/metatron ↩ 回到正文 · back to text
- 20 Superloghttps://github.com/superloglabs/superlog ↩ 回到正文 · back to text
- 21 Xa11yhttps://xa11y.dev/ ↩ 回到正文 · back to text
- 22 RiskKernelhttps://github.com/prashar32/riskkernel ↩ 回到正文 · back to text
- 23 CogCorehttps://github.com/carsonDB/CogCore ↩ 回到正文 · back to text
- 24 Tinytasktreehttps://github.com/orion-arm-ai/tinytasktree ↩ 回到正文 · back to text
- 25 Incremental RAG ingestionhttps://github.com/shamikhan005/chunks-sync ↩ 回到正文 · back to text
- 26 Arolhttps://github.com/benminor/arol ↩ 回到正文 · back to text
- 27 Apple reveals new AI architecture built around Google Gemini modelshttps://www.macrumors.com/2026/06/08/apple-reveals-new-ai-architecture/ ↩ 回到正文 · back to text
- 28 Apple Core AI Frameworkhttps://developer.apple.com/documentation/coreai/ ↩ 回到正文 · back to text
- 29 Apple WWDC 2026https://www.apple.com/apple-events/event-stream/ ↩ 回到正文 · back to text
- 30 Built to benefit everyone: our planhttps://openai.com/index/built-to-benefit-everyone-our-plan ↩ 回到正文 · back to text
- 31 Introducing the OpenAI Economic Research Exchangehttps://openai.com/index/economic-research-exchange ↩ 回到正文 · back to text
- 32 MiMo-v2.5-Pro-UltraSpeed: 1T model with 1000 tokens per secondhttps://mimo.xiaomi.com/blog/mimo-tilert-1000tps ↩ 回到正文 · back to text
- 33 Amazon Cognito now supports multi-Region replicationhttps://aws.amazon.com/about-aws/whats-new/2026/06/amazon-cognito-multi-region/ ↩ 回到正文 · back to text
- 34 Massachusetts bans sale of precise location data in new privacy rights billhttps://techcrunch.com/2026/06/08/massachusetts-votes-to-pass-new-privacy-rights-bill-that-bans-sale-of-precise-location-data/ ↩ 回到正文 · back to text
- 35 Texas grid flags risks as data centers, crypto sites fail voltage testshttps://www.reuters.com/business/energy/texas-grid-flags-risks-data-centers-crypto-sites-fail-voltage-tests-2026-06-05/ ↩ 回到正文 · back to text
- 36 Nvidia partners with LG robotics to build humanoid robots in South Koreahttps://blogs.nvidia.com/blog/nvidia-and-lg-group-ai-factory/ ↩ 回到正文 · back to text
- 37 datasette-agent-edit 0.1a0https://simonwillison.net/2026/Jun/7/datasette-agent-edit/#atom-everything ↩ 回到正文 · back to text
- 38 Import AI 460: Reward hacking society, RSI data from Anthropic; and RL-based quadcopter racinghttps://importai.substack.com/p/import-ai-460-reward-hacking-society ↩ 回到正文 · back to text
- 39 How's Linear so fast? A technical breakdownhttps://news.ycombinator.com/item?id=48437609 ↩ 回到正文 · back to text
- 40 AI is slowing downhttps://www.wheresyoured.at/ai-is-slowing-down/ ↩ 回到正文 · back to text
- 41 xAI is looking more like a datacentre REIT than a frontier labhttps://martinalderson.com/posts/xais-new-rental-business/ ↩ 回到正文 · back to text
- 42 Dopamine Frackinghttps://igerman.cc/blog/dopamine-fracking/ ↩ 回到正文 · back to text
- 43 1k Data Breaches Later, the Disclosure Lag Is Worsehttps://www.troyhunt.com/1000-data-breaches-later-the-disclosure-lag-is-worse-than-ever/ ↩ 回到正文 · back to text
- 44 Are you expected to run five Python type-checkers now?https://pyrefly.org/blog/too-many-type-checkers/ ↩ 回到正文 · back to text
- 45 Self-hosting email the hard way from your own routable IPv4 block uphttps://anil.recoil.org/notes/recoil-self-hosting-2026 ↩ 回到正文 · back to text
- 46 Vulnerability and malware checks in uvhttps://astral.sh/blog/uv-audit ↩ 回到正文 · back to text
- 47 microsoft/pg_durablehttps://github.com/microsoft/pg_durable ↩ 回到正文 · back to text
- 48 cline/clinehttps://github.com/cline/cline ↩ 回到正文 · back to text
- 49 InsForge/InsForgehttps://github.com/InsForge/InsForge ↩ 回到正文 · back to text
- 50 ggml-org/llama.cpphttps://github.com/ggml-org/llama.cpp ↩ 回到正文 · back to text
- 51 lfnovo/open-notebookhttps://github.com/lfnovo/open-notebook ↩ 回到正文 · back to text
- 52 dmtrKovalenko/fffhttps://github.com/dmtrKovalenko/fff ↩ 回到正文 · back to text
- 53 moorcheh-ai/memantohttps://github.com/moorcheh-ai/memanto ↩ 回到正文 · back to text
- 54 plastic-labs/honchohttps://github.com/plastic-labs/honcho ↩ 回到正文 · back to text
- 55 opencv/opencvhttps://github.com/opencv/opencv ↩ 回到正文 · back to text
- 56 spaceandtimefdn/sxt-proof-of-sqlhttps://github.com/spaceandtimefdn/sxt-proof-of-sql ↩ 回到正文 · back to text
- 57 GraphiteEditor/Graphitehttps://github.com/GraphiteEditor/Graphite ↩ 回到正文 · back to text