Show HN: Disposable 发布:分享小型 AI 制作工具以方便他人重建
summary_zh: 名为 Disposable 的新工具允许用户将当前对话转化为规范(spec)并共享,使他人能自行重建该 AI 制作的小工具,实现“无需维护的开源”理念。
summary_zh: 名为 Disposable 的新工具允许用户将当前对话转化为规范(spec)并共享,使他人能自行重建该 AI 制作的小工具,实现“无需维护的开源”理念。
作者于 4 月构建并开源 auto-arch-tournament,用于探索不同 AI 模型改进 RISC-V CPU 的能力。该工具包含可运行的 research loop,结果通过 HWEBench 追踪。OpenAI 近期在芯片设计领域发布了类似探索,该开源项目比 OpenAI 早数月。
最新AI Access Index显示,684个顶级域名中79.7%对AI搜索和训练均开放,7.7%完全关闭。 11.3%的服务器拒绝robots.txt允许的爬虫,而63.7%仍提供robots.txt封锁的内容。
Higurashi 发布并开源全双工语音基础模型 Haru-4B,支持同步听与说,在 MacBook 上端到端延迟约 65 毫秒。模型基于 4000 万小时真实语音预训练,避免使用合成对话,权重与代码分别在 Hugging Face 和 GitHub 开放。
推荐理由:模型在 Apple Silicon 上实现 65 毫秒端到端延迟,且完全基于真实对话数据训练。
RadixArk 发布其首个模型 DaisyRose-27B,基于 Qwen3.8-27B 架构,使用 Miles 框架进行强化学习训练,并在 144 块 H200 GPU 上通过 1,200 个精心设计的任务完成了为期 18 天的训练。
推荐理由:RadixArk 基于 Qwen3.8-27B 发布了首个模型 DaisyRose-27B,展示了其在长程智能体任务上的强化学习训练效果。
Intrusive.ai 开源发布了一款针对 Agentic 系统的沙箱式攻击模拟工具,采用 AGPL-3.0 协议。该平台通过 Operator Sandbox、Attack Harness 和 Interceptor Sandbox 隔离测试与目标环境,允许在可恢复的合成世界中模拟提示注入、权限升级和数据外泄等场景。
WebCraft Pro 是一个开源、框架无关的项目,为 AI 编码智能体提供 43 个可复用的 Agent Skills、共享工程标准与 CI 流水线。它把网站交付生命周期组织为八个阶段,并通过 GitHub Actions 实施仓库校验、零依赖安全模式审计和 Playwright 键盘/无障碍测试,将工程规范转化为可在 CI 中强制执行的检查。
开源 AI 多媒体工作室 Dez 允许在可编辑纯文本中与 AI 交互,支持本地模型及 Venice、Grok 等供应商。 基于 Tauri v2 和 Vue 3,AGPL-3.0 许可,支持图像、视频、音乐生成及跨标签页多回复运行。 数据本地保存,macOS 和 Linux 平台通过 Seatbelt 和 landlock 沙盒确保安全。
RedCat 是一款运行在本地 PC 的开源 AI 智能体,采用 MIT 协议,支持构建网站、研究与代码编写。 该应用基于 Electron 开发,用户自带 API Key,具备记忆、技能及 MCP 连接器(支持 145 项服务)。 所有敏感操作均需用户批准,聊天数据与密钥仅存储于本地,不经过中央服务器。
OpenAI 发布 GPT-6.2 Astra 与 Sol,支持 ChatGPT Work、Codex 及 API;微软 AI 推出七款低成本模型。 MAI Code 2 已进入 GitHub Copilot,达到 GPT-6.1 Sol 98% 的代码质量,价格约为其 40%。 Replit Missions 允许定义预算协调 AI 智能体,已用于开发高性能应用 DataCat。
开发者发布自托管工具 Open Monitor,通过定时搜索或抓取页面并让 LLM 评估结果是否匹配指定目标,将保留的结果推送到 webhook。支持部署在 Docker、Railway 和 Cloudflare Workers,可配置 OpenRouter 免费模型、Ollama 本地模型或命令行工具作为 LLM 判分引擎,并提供标准 webhook 签名校验与仪表盘功能。
Reson8 在 Hugging Face 开源 Rumble-2-Flash,这是一个支持 40 多种语言的 0.5B 参数语音识别模型,采用 Apache 2.0 许可。
推荐理由:0.5B 小参数模型在真实电话场景下可比肩 30B 模型,提供了低成本多语言语音识别的新选择。
Indexed_bzip2 2.0 发布,引入 AI 辅助开发,性能较 1.7.0 提升 2-8 倍,在部分数据集上解压缩速度达 4 倍。 新增并行 bzip2 压缩、CLI 索引导入导出及 `--count` 等功能;针对 x86 与 ARM 优化 SIMD 内核,支持 SSE/AVX/NEON 加速。 高压缩比数据下速度远超 GNU gzip,低压缩比时接近 gzip,显著优于 igzip。
开源工具 Reflektor 发布,将 AI 编程智能体生成的代码分支转换为浏览器端的人类审阅报告,支持在本地或云端运行。该工具包含技术无关的代码变更可视化、E2E UI 截图测试和数据库变更展示,并允许团队协作与自动运行项目测试,目前支持 Claude Code、Codex 等主流智能体。
Mozilla AI 推出开源 AI 网关 Otari,让用户通过单一 API 密钥访问 OpenAI 和 Anthropic 兼容的多种模型(包括开放权重和前沿模型)。Otari 提供托管服务或自托管选项,支持服务器端工具如网络搜索和代码执行,并具备 API 密钥预算管理、活动监控及自动故障转移功能,帮助开发者在编码智能体中简化模型切换与成本控制。
推荐理由:Mozilla AI 推出开源网关 Otari,允许开发者通过单一 API 密钥调用各类大模型并管理成本,适合关注 Agent 工作流降本增效的读者。
DocSpring 于 11 月 17 日发布名为 Standard Support 的草案,定义了 AI 智能体请求支持的统一协议,并已在 DocSpring 产品中落地实现。
Open WebUI 团队发布 Open Terminal,为 AI 智能体提供可操作的文件、终端、Git、浏览器和桌面环境,支持在本地或服务器侧运行命令和修复错误。安装方式为 `pip install open-terminal && open-terminal run` 或单个 Docker 命令,并可通过 Tether 应用连接远端电脑。
针对单LLM模拟器导致的策略泛化失败,研究提出Verbalized Sampling与Co-Training两种解决方案。 在Persuasion for Good等三项基准测试中,Verbalized Sampling提升留出成功率9%,Co-Training进一步升至14%,并保留了策略多样性。 研究指出多样化模拟器是服务真实用户的必要要求,并开源了SCOPE框架。
该研究通过最小化参数敏感度,揭示了连续学习目标在代数补全任务中对功能压缩(共享代数组成)的偏好。 分析表明,全局最优解强制隐表征实现几何对齐和单位性,且在抵消操作中迫使隐表征成为单射同态。 这一结论解决了 Huh (2025) 提出的核心猜想,证实了模型在敏感度地板处会实施目标代数结构。
基于 OpenROAD 的 MLBuf-RePlAce 框架在开源流程中实现 TNS 最大 56%、平均 31% 的改进。 该框架采用递归学习预测 buffer 类型与位置,并解决了传统方法的计算开销及 ERC 违规问题。 在商用流程中,其 TNS 平均提升 28%,且后路由功耗保持无显著退化。
ForceBody 成为首个将真实力监督引入参数化人体表征的数据集,涵盖140名受试者的10,386个动作试验。 数据集包含SKEL动作模型、地面反作用力及970万帧逆动力学关节扭矩标签,并通过蒙特卡洛采样提供逐帧逐关节的扭矩不确定性注解。 使用逐样本不确定性加权微调Transformer可将关节扭矩估计的MAE降低5%,该成果已被NeurIPS 2026数据集赛道接收。
LeViT-UNet++ 架构通过 Haar Wavelet 多尺度下采样模块和基于深度卷积的解码器,在有限计算资源下平衡局部细节保留与全局上下文建模。 在 Synapse 数据集上,该模型以 8.025M 参数量和 241.72 FPS 的推理速度实现 76.57% 的 DSC,验证了波let 特征提取与轻量级局部-全局融合的有效性,代码已开源。
团队提出 MAVE 框架及 MAVEBench 基准,通过结合度量观察、智能体建模与证据验证,从电影镜头重建可编辑 3D Blockout。 在 MAVEBench 评测中,MAVE 相比基线提升了 27.5-41.1 分;使用 DeepSeek-1017 时平均成本仅为 0.054 美元/镜头。
EGS 提出了一种轻量级、模型无关的运行时框架,通过查询审核、场景感知教学指导和响应审核,将教育安全从二元拒绝转向上下文引导。 该框架根据风险等级分诊输入,使用特定教育干预重定向灰色区域查询,并在交付前审核输出,旨在增强安全性同时保留教学效用。 其代码和模型权重将公开提供,以支持社区采用。
FM-Mamba 提出基于 Fornasini-Marchesini 模型的原生 2D 选择性状态空间架构,解决现有 Mamba 方法处理图像时破坏空间邻接性或计算量过大的问题。 模型通过双对角波前扫描执行递推,利用两个独立输入依赖步长及归一化比率 $r_k$ 进行稳定性约束,避免对特征图进行展平操作。 代码已开源。
证据引擎 GauntletScore 在 LLM-AggreFact 测试集取得 79.51 平衡准确率,匹配 2026 年 11 月 15 日排行榜最佳公开成绩。 其 95% 置信区间覆盖 nimble-v4-max 的 79.45 分;该引擎采用固定贝叶斯规则结合多阅读器证据账本,并发布逐条目预测及评分脚本。
为支持自动汽车无障碍设计,研究者发布 WCID 数据集(467 张图像),用于分类轮椅的 192 个捕获组配置。模型在清洁图像上表现良好,但在高斯模糊干扰下性能下降。代码、标签及权重已开源。
Limite 1B - Violetto 是一款专为高吞吐数学推理设计的 10 亿参数模型,基于 2370 亿 token 数学生成语料从零训练。模型支持 131k 上下文长度,结合知识蒸馏、监督微调及 RLVR 进行后训练。
研究者提出神经元社区发现方法,在 Llama-3.1-8B 上发现数千个可复用的神经元组,其中 128 个神经元以内可解释 10.3% 测试提示。 该方法结合梯度归因与图社区检测,通过因果测试验证了这些组在语法一致、算术运算等任务中的必要性,支持了神经元稀疏计算的假设。
NVIDIA发布Kumo Tabular,一套包含S (27M)、M (61M)、L (214M) 三个规模的开源表格基础模型家族。该模型仅使用Kumo先验生成的人工表格进行预训练,无需额外训练即可对新表格进行分类和回归预测。
提出结合 Attention Residuals 和 Jacobian-lens 的深度感知 LLM 激活引导方法,在 Qwen3-0.6B 和 Qwen3.5-0.8B 模型上验证其显著优于单层注入,内部对齐度在更深层概念余弦和排名指标上提升显著(p<0.0001)。
SilverSpoon-KD 是一个开源 PyTorch 工具包,提供首个通用分块(blockwise)知识蒸馏实现,并通过单一 API 统一了多种蒸馏范式与架构关系。
针对跨组织协作中智能体身份与授权验证缺失问题,提出基于 PKI 与零信任架构的 Agent Trust Infrastructure (ATI)。ATI 通过外部安全层验证证书、模型及系统提示词配置,在八组织模拟实验中启用后,将攻击遏制率从 43% 提升至 84%。
研究提出开源验证器 Gandalf,在评分标准型智能体环境中以更低成本实现更高 F1。 基于 2,464 个人类判定标准构建 BankerVerifierBench,Gandalf 搭配 Gemini 3 Flash 时 F1 达 0.864(基准 0.852),成本仅为基准的 1/5;搭配 GPT-5.4 时 F1 提升超 0.12。
研究人员隔离出演示条件提示搜索(DCPS)作为机制归因控制,发现其在 StablePrompt 中匹配 PPO 准确率的同时成本约为其三分之一。 在 DSPy 系统中,DCPS 在 GPT-4.1-mini 上匹配 GEPA 准确率,rollout 数量减少 55%,API 成本降低 32%。 研究建议基准测试需报告 rollout 数量、token 用量和美元成本。
开源智能体 CADMAGEDDON 利用 Qwen3.8-27B 模型,通过单 GPU 本地推理从网格重建可编辑 CAD,质量超越前沿模型系统。 该方法将任务分解为视觉决策链,结合几何工具精确构造,并集成至 FreeCAD 工作流,降低算力门槛。
研究提出基于确定性退火相变分析的局部稳定性标准,量化聚类对分布偏移的鲁棒性,并获取分裂与合并半径的精确半定规划重构。 其中分裂 SDP 仅含两个标量决策变量,这些凸重构可组合为整个聚类的鲁棒性证书,给出触发阈值的最小结构化偏移大小。
稀疏注意力模型在固定预算下常因选择器低估关键token而损失长上下文检索精度。研究通过校准探针定位到特定"盲点"注意力头,发现全量注意力或4-bit评分器可恢复性能。 在InfLLM-V2和MiniCPM4.1-8B上,该修复方法将多键检索准确率从54.1%提升至97.5%,且保留了84%至89%的TTFT优势。
研究者提出 EviDARL,通过双智能体交替强化学习优化多表问答。 该框架包含证据构建与推理回答两个智能体,在 MMQA 和 TQA-Bench 基准测试中显著优于现有模型。
研究人员推出 GPU 原生 PyTorch 库 tmol,实现 RosettaGenFF 力场,支持高效批处理可微评分。 该工具在批处理模式下吞吐量提升高达 362 倍,并可用于生成式蛋白质设计作为奖励函数。 在蛋白质设计中应用 tmol 可显著增加界面处的氢键和水桥数量。