fmtlib/fmt：现代C++格式化库的持续演进
该库作为C++20标准格式库的前身，提供了安全、高效的文本格式化功能。其新增功能与优化反映了现代C++开发的趋势，对需要高性能格式化输出的开发者有直接参考价值。
01 DAILY RESEARCH SIGNALS / 2026-09-03
把市场噪声
压缩成可研究的信号。
聚合量化论文、开源项目与 AI 工程进展。每条信号经过筛选、排序与结构化，帮助研究者更快抵达真正重要的信息。
浏览今日信号 ↓
全部数据源检查完成，管线运行正常
02 CURATED INDEX
历史信号库
按内容类型浏览，或直接搜索标题与标签。
INDEXED 15
01 / REP
GitHub
SELECTED SIGNALS 03
面向工程师的AI技能库：从.agents目录直出的实战指南
该GitHub仓库提供了一个直接来自开发者.agents目录的AI技能集合，旨在帮助工程师有效使用AI工具。其新颖之处在于，它编译了作者实际使用的配置与技能，而非泛泛的理论，能作为快速上手的实用参考。
hermes-agent：可成长型工具代理引发关注
该工具来自GitHub Trending，定位于根据用户需求不断演进的代理工具。其新颖之处在于“随你成长”的设计理念，可能通过模块化或学习机制适应不同场景，对希望获得个性化工具解决方案的用户有一定参考价值。
02 / PPR
论文
SELECTED SIGNALS 07
熵因子模型：基于信息论的稳健投资组合复制方法
针对传统最小方差模型在投资组合复制中易产生不稳定、过度杠杆化权重的问题，本文提出一种基于信息论的两阶段熵因子模型（EFM）。该模型利用费米-狄拉克熵在约束集上直接求解，以数据驱动的经验边界替代统计假设，提高复制组合的稳健性，尤其在市场冲击下表现更优。
CoMAP框架：世界模型与智能体策略的协同进化
大型语言模型智能体在交互环境中常因缺乏对环境的预测能力而决策受限。现有文本世界模型在训练后固定，难以适应智能体策略变化带来的分布偏移。CoMAP通过闭环交互协同进化世界模型与智能体策略，利用自蒸馏动态更新模型，提升长程任务表现，为无需外部奖励的智能体优化提供新思路。
多模态多轮对话安全对齐：从智能体交互到战略对齐
现有对齐方法主要针对恶意视觉问答对，难以防范多轮对话中的渐进式对抗攻击。该研究提出了MINT-Safe数据集和TAD-Align框架，通过多轮感知的双目标奖励函数动态识别并加权不安全回合，显著降低攻击成功率，同时提升安全性和有用性。
贝叶斯置信再校准与均衡临界性：稳健投资组合的时间支持研究
该研究探讨了在贝叶斯更新过程中，重建置信集是否会影响稳健投资组合规则的问题。研究发现，新鲜重建会改变自然坐标位移，而继承传递则保持其不变，从而影响优化曲率和研究均衡的临界性。该研究将协议遗憾形式化为Bregman散度，并提出了时间完成信息对乘数的界限，为理解模型版本更新和研究供给提供了新视角。
矩阵CODI模型推理对秩不敏感：秩截断消融曲线平坦
该研究通过秩截断消融实验发现，矩阵连续思维链（Matrix-CODI）模型在ProsQA等任务上的性能不受潜在矩阵Z的秩影响，即使模型结构引入秩作为观测变量。实验涵盖多种训练设置和读出层变体，均得到平坦曲线，表明该模型可能未利用并行推理路径。
多视角超声心动图预测射血分数：从稀缺标签中学习
该研究首次构建了用于左心室射血分数（EF）预测的胸骨旁长轴（PLAX）超声心动图数据集，通过创新的数据生成策略解决了标签稀缺问题，并验证了PLAX视图预测EF的可行性及多视角融合的增益。
EF1约束下的纳什社会福利在相同加性估值下的复杂性、保证与实验
本研究首次系统分析了在相同加性估值下，EF1（至多嫉妒一个物品）分配与纳什社会福利（NSW）之间的关系。新发现包括：在均匀估值下，任意EF1分配都是NSW最优的；在ε-小物品条件下，EF1分配能达到近似比ρ_n(ε) = 1-O(ε^2)。此外，提出了深度强化学习框架PriorityNet，通过前瞻性EF1动作掩码保证前缀EF1，在实验中取得高性能。
03 / ART
文章
SELECTED SIGNALS 02
量化链接汇总：CAPM与组合选择的新视角
本文是Quantocracy平台于2026年9月3日发布的量化研究链接汇总，重点介绍了一篇题为“CAPM after Markowitz: Portfolio Choice Meets the Market”的文章，探讨了Beta从协方差矩阵压缩工具演变为市场均衡度量（CAPM）的历史与理论意义，为量化研究者提供了理论联系实践的参考。
量化链接汇总：隔夜效应策略与投资组合倍增方法
该内容汇总了Quantocracy平台在2026年9月2日发布的量化研究链接，重点介绍了一篇关于利用隔夜效应实现投资组合倍增的策略文章。对于量化投资者而言，该汇总提供了最新的策略思路和文献参考。
04 / VID
视频
SELECTED SIGNALS 03
AI Dev会议总结：2600余名开发者参会，聚焦智能体与多模态应用
本文是DeepLearning.AI对2026年4月举办的AI Dev旧金山会议的总结。会议吸引了2599名开发者，规模是2025年首届的三倍多。内容涵盖智能体系统、上下文工程、多模态应用、生产环境可靠性等当前开发者关注的热点，并展示了来自Google DeepMind、LangChain等公司的演讲。该总结反映了AI工程领域的当前趋势和社区动向。
本地AI初启航，塑造空间正当时
本文是DeepLearning.AI课程说明，指出本地AI领域尚处早期，用户可通过课程学习并参与塑造。
训练智能体第四课：从奖励函数到环境，走向真实编码智能体
本课程演示了强化学习训练智能体如何从简单的奖励函数转向环境交互。通过构建环境并集成到TRL的GRPOTrainer，在编码任务中实现了显著的性能提升。