issue-rag：在 GitHub Issues 上做 RAG，带人工核对的评测集，并且审计打分模型本身
不只报一个最好成绩，还报区间。对企业里「用仓库历史问答」这类落地很有参考。MIT、Python；约 ★133、约 20 星/天。
https://github.com/zaxiu88888/issue-rag转载，侵删。版权归原作者，如有侵权请来信，收到后删除。
同一批次的其他文章
纽约时报长篇人物稿《The Making of Dario Amodei》：上市前梳理 Anthropic CEO 的理性主义与有效利他主义来路
Ryan Mac、Kalley Huang、Cade Metz、Georgia Gee 采访二十多位同学、朋友、老师和同事，并看到他早年邮件与在 OpenAI 的内部消息。Dario 本人拒绝受访。报道把他对 AI 风险的立场追溯到普林斯顿时期对奇点、Yudkowsky 社群和 …
社交平台传 OpenAI 大规模封号：反代、拼车、额度转售和低价区账号是重灾区，官方尚未专函说明
机器之心 11 月 7 日率先整理用户反馈：不少账号无通知邮件即无法登录。反馈较集中的包括 API 额度转售、多人共享/Team 席位、codex2api 一类反代、低价区号和学生认证号；也有人声称纯自用被波及。时间上接近 11 月 2 日前后的设备/支付卡绑定限制，以及 11 …
开发者重新掂量 Claude Code 和 Codex：复杂编排 vs 高通量成本
趋势页汇总近期讨论：Claude Code（Opus 5.5）在多步编码基准上更强但更吃 token，Codex（GPT-6.1 Sol）被说成更省、更适合大量重复活。不少人把两者当互补而不是二选一，并建议用自己的真实项目测一遍。
编码 Agent 讨论从「换模型」转向「做 harness」：规则、记忆、子代理和过夜任务
开发者把一次性聊天改成可过夜跑的系统：初始化仓库、写验证步骤、按任务拆模型（有人用 Sonnet 写代码、Haiku 做检索、Opus 当顾问），再用 CLAUDE.md 固化规则。模型波动时，可检查的工作流比换一个名字更要紧。
Higgs Realtime Duplex：45B MoE 前端模型按 160 毫秒切片同时听、看、说、做表情，并在后台思考、调工具、把难题交给更大模型
改进什么：实时对话还要边聊边干活，还不能让每次思考都卡上几秒。怎么做：把音视频切成 160ms 的块，前端模型自己思考并异步调工具，只把够难的题连同共享上下文交给后端大模型；声音和脸用参考音频/图片零样本加载，不必写进权重。训练上用多教师 on-policy 蒸馏，再靠模拟环境做…
MEMOIR：给长程 Agent 的免训练记忆生命周期——合并前先「公证」证据还在，用过之后再回头给记忆打分
改进什么：现有系统多在写入时就定下重要性，合并可能悄悄丢掉以后要用的证据，检索又一直偏向过时条目。怎么做：合并前用裁判团检查答案相关证据是否保留；每次回答后再根据记忆对答案的贡献更新检索优先级，并用 UCB 探索少被看见的条目。在 1905 条 LoCoMo 问答上，完整检索栈比…
DRAP：按轨迹放大风险调节可塑性，让物理 AI 在不回放旧数据时也能记住以前学会的动作
改进什么：机器人等物理智能体持续学习新任务时，旧行为容易被冲掉，完整回放又不现实。怎么做：根据轨迹放大风险，自适应降低关键部件的可塑性，从而在学新技能时更好地保留旧行为。
全波形激光雷达 Transformer 靠强度引导的 token 裁剪与保波形增强，走向实时
改进什么：全波形激光雷达 Transformer 准，但 token 太多、跑不快。怎么做：按强度剪并合并 token，再用保住波形物理特性的数据增强，在提速的同时改善精度和泛化。对做车载/机器人感知的团队有参考。
EDGAR：用扩散模型和合成失败样本，把损坏的高斯人头数字人修回去
改进什么：3D 高斯人头数字人一损坏就难看。怎么做：条件扩散加融合块和专家混合，注入自监督身份特征，再用修好的多视角渲染当伪标签去优化同一个数字人。
HERIT：用检索增强的伪标签减轻时间偏差，让汉字文献能更稳地译成英文
改进什么：历史文献的用词随朝代变，现代翻译模型容易偏到某一个时期。怎么做：检索增强伪标签适配历史档案，提升跨时期准确率，便于把古籍向全球读者打开。
UniRestorer++：按多种粒度给图像退化建模，再自适应路由，把通用图像修复做强
改进什么：一张修复模型很难同时对付模糊、噪声、压缩等多种损伤。怎么做：多粒度退化建模加自适应路由，让模型在更多退化类型上扩得动、泛化更好。
Koa Decisions：在 Gemma 上做「一步给出选项」的决策模型，用来分流、是否判断和打分，而不把每个小决定都交给大模型
Salesforce 把 Agentforce 里用了多年的 HyperClassifier 升级为 Koa Decisions：读入请求和你给定的类别列表，一步返回选择、是否或分数，并新支持图像和音频。官博举例：Agentforce 里分流一次大约 26 毫秒，通用大模型大约 …