claude-mem 为 AI 代理提供跨会话持久上下文
该项目在 GitHub Trending 日榜出现，提出将代理会话中的行为压缩并注入后续会话，以缓解上下文丢失问题，对多代理工具链有实用价值。
01 DAILY RESEARCH SIGNALS / 2026-10-29
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
OpenBot 开源 AI 同事：独立电脑与先决策后执行
该项目在 GitHub 趋势榜出现，其主张是让每个 AI 同事拥有独立电脑环境（浏览器、文件与工具），并在动作执行前完成决策、执行后留下记录，同时支持接入任意 AG-UI 代理。新意在于把“可审计的先决策后执行”与“独立运行环境”结合为开源形态，对需要可追溯自动化流程的开发者有参考价值。
开源Grok机器人替代方案：为机器人提供可用虚拟机
该仓库提供开源 Grok Bot 替代实现，核心差异是让机器人可调用一台虚拟机执行任务；它把执行环境纳入开源形态，便于开发者自行部署与验证。
02 / PPR
论文
SELECTED SIGNALS 10
在智能体内核生成中强制批次不变性
该研究指出LLM服务动态批处理会导致同一请求因批次上下文不同而产生数值差异，现有内核生成智能体忽视批次不变性（BI）。提出的工具通过契约引导的静态依赖分析与动态比特一致性验证，作为插件增强通用内核智能体，在保持大部分加速比的同时提升BI通过率。
类型化决策模型的置信度审计：承诺与现实的差距
该研究通过大规模实验审计类型化决策模型中置信度承诺的可靠性，揭示点估计阈值选择常违背承诺而Learn then Test等方法能保持承诺，并分析了多语言校准、噪声鲁棒性及漂移场景下的表现。
TimeHAT：点与片段混合掩码的时序预训练框架
该研究提出通用时序预训练框架 TimeHAT，用统一“点—片段”掩码监督同时覆盖细粒度波动与宏观模式，并以混合注意力编码器缓解秩退化，在分类、长期预测、插补和异常检测四类任务上评估。
历史数据锚定LLM提升民调与选举预测精度
该研究提出Matching-LLM，将LLM生成的合成回答与历史人类行为数据加权结合，以改善公众意见和选举预测；其新意在于用历史数据校准LLM输出，并在多国调查和2024年美国大选中验证有效性。
DocSkill：技能编排策略提升多语言多跳文档问答
该工作提出 DocSkill 智能体框架，用学习到的技能编排策略在多页、多语言文档中自适应选择、回访或跳过证据获取技能；同时发布 6 万问答对、覆盖 10 种语言与 8 类文档域的 MMHop-DocBench 基准，为跨页证据追踪提供页级与元素级标注。
AC-JEPA：提升视觉到符号翻译的跨模态联合嵌入预测
提出一种与监督微调兼容的即插即用模块 AC-JEPA，在跨模态双向预测掩码中间状态，利用连续潜在目标容忍配对数据中的局部错误。在光学化学结构识别任务上，干净数据训练准确率达 76.07%，伪标签自训练后提升至 80.23%，均优于单独 SFT。
ICT的AMD模型在纳斯达克100期货上的预测效度检验
该研究首次对ICT的积累-操纵-分配（AMD）模型在CME E-Mini纳斯达克100期货上进行系统量化评估，将模型规则转化为严格机械策略，并检验其信号的统计特性。其新意在于用真实高频数据揭示模型时机假设与实际价格交付的结构性错配，并发现信号仅在与日趋势一致时具有方向性信息。
FinLLM-KG：知识图谱增强LLM的金融情绪分析框架
提出一个模型无关的框架，在推理时向因果LLM注入SEC 10-K公司知识图谱信息，以增强金融新闻情绪分析的上下文并提升可解释性。
投资者终考基准：AI智能体在冻结信息下的股票研究评估
该工作提出 Investor's Last Exam（ILE）基准，用带版本与时间戳的金融数据库和专家评分框架，在严格冻结的信息集下评估 AI 智能体的完整股票研究流程。其新意在于把评估单位从孤立能力转向“证据—假设—判断”链条，并同时衡量研究质量、预测准确性与模拟投资表现；对需要定位智能体分析优势为何未转化为预测与投资判断的研究者和开发者具有诊断价值。
WeVisCut：单智能体实现解说词到长视频的全流程编辑
现有智能编辑系统多采用多阶段流水线，紧凑任务专用策略的质量-成本权衡尚不明确。WeVisCut 将工具执行与策略学习结合，用单一9B策略完成长视频制作，在共享工具环境下以远少于基线的生成 token 达到与 Claude Opus 5 相当的性能。
03 / VID
视频
SELECTED SIGNALS 02
Mistral Large 4 开放权重模型：网络安全能力与开放意义
Mistral Large 4 是一个 1 万亿参数、原生多模态的混合专家模型，在网络安全基准上表现突出，其开放权重使安全团队能在自有基础设施上自主运行，避免提供商层面的拒绝阻碍合法研究。
量化交易日常：风险回报与胜率的权衡
通过对比两种交易策略（A：风险1盈利1、胜率60%；B：风险1盈利3、胜率30%），展示二者每笔交易的期望收益相同（+0.20美元），但连续亏损的概率差异显著，提示交易者需关注策略的心理可执行性。