Simon Willison 发布 commit-rewriter 0.2
Simon Willison 于 2026 年 9 月 24 日发布了 git 提交改写工具 commit-rewriter 的 0.2 版本。
#开源/仓库
#开源/仓库
今日 0 条Simon WillisonAI 评分1212
Simon WillisonAI 评分3131 Simon Willison 发布 llm 0.36
Simon Willison 发布了其 LLM 命令行工具 llm 的 0.36 版本，于 2026 年 9 月 22 日在其博客上作为一条短讯公布。文中还提到其每月 10 美元的赞助订阅，订阅者可收到当月最重要 LLM 动态的精选邮件摘要。
Hugging Face BlogAI 评分5252 UK AISI 与 EvalEval 合作公开评测结果以提升可复现性
UK AI Security Institute（AISI）开始使用 EvalEval 的基础设施公开发布评测结果，推动评测科学更可复现、可验证。
Simon WillisonAI 评分1010 Simon Willison 发布 datasette-explain 0.2.2
Simon Willison 于 2026 年 9 月 20 日发布了 datasette-explain 0.2.2 版本。原文未提供该版本的具体更新内容。
Google ResearchAI 评分3333 Google Research 发布 MilleMiglia：用于中程物流的逼真实例生成器
Google Research 推出 MilleMiglia，一个用 C++ 编写的实例生成器，可为中程（middle-mile）物流配送问题创建逼真的基准数据，源代码和文档已在 GitHub 上开源。中程物流负责区域或洲际尺度上配送中心之间的大宗货物运输，占总物流成本的相当大比例，但因数据敏感长期缺乏公开高质量数据。该工具将问题建模为时空图上的多商品流问题，可生成保护隐私的数据以支持后续研究。
Hugging Face BlogAI 评分4646 Hugging Face 发布 BenchMIRT：审计 LLM 基准测试到底在测什么
Hugging Face 推出 BenchMIRT，一种基于多维 Item Response Theory 的方法，可在单个题目层面审计 LLM 基准测试实际测量的能力。
Microsoft Research精选AI 评分6262 Microsoft Research 发布 Echoverse 计算机使用 Agent 训练环境并开源四个世界
Microsoft Research 推出 Echoverse，为计算机使用 Agent 构建了 12 个深度训练环境，包括 10 个领域世界和 2 个能力世界（日期选择器与嵌套过滤）。
推荐理由：原文给出深度世界优于浅层世界的实验对比和开源入口，读者可以据此判断合成训练环境如何影响 Agent 训练。
Hugging Face BlogAI 评分5252 Hugging Face 模型页现已支持展示 Every Eval Ever 评测结果
Every Eval Ever（EEE）与 Hugging Face Community Evals 实现互通，EEE 结果可经转换器同步到 Hub 模型页和基准排行榜，并带来源徽章回链完整记录。
Berkeley AI ResearchAI 评分4646 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发文分析并行推理研究进展，核心问题是让推理模型自主决定何时分解并并行独立子任务、生成多少并发线程以及如何协调。文章梳理了从 Self-consistency、Best-of-N 到 Tree of Thoughts、MCTS 的固定并行方法，以及 ParaThinker、GroupThink、Hogwild!
Google ResearchAI 评分2626 Google Research：以全球合作与开放资源催化科学影响力
Google Research 阐述其开源软件与开放数据集如何支持全球科学合作，相关资源已服务超过 250,000 名研究者和开发者。基因组学工具 DeepVariant、DeepConsensus、DeepPolisher 已帮助处理 250 万人的外显子组和全基因组，神经科学的 H01 数据集（1.4 petabyte 人脑组织样本）被访问超 200k 次。
Google ResearchAI 评分4747 Google Research 研究：构建更好的 AI 评测基准需要多少标注者？
Google Research 在论文 "Forest vs Tree: The (N,K) Trade-off in Reproducible ML Evaluation" 中研究了评测基准中条目数量与每条标注者人数的权衡。