新開源庫

TradingAgents：模擬真實交易團隊的 LLM 多代理金融分析框架

TradingAgents 是一個基於 LangGraph 的多代理（Multi-Agent）框架，透過模擬金融公司內部從分析師、研究員到風險管理者的層級分工，將複雜的交易決策拆解為多階段的辯論與審核流程，旨在降低單一 LLM 決策的隨機性並提升分析深度。

GitHub →

DFlash：利用區塊擴散模型實現高效並行投機採樣，大幅提升 LLM 推理速度

DFlash 是一個專為投機採樣（Speculative Decoding）設計的輕量化區塊擴散模型（Block Diffusion Model）。它不再像傳統投機採樣那樣逐個 Token 預測，而是能一次性並行生成一整塊（Block）Token 候選集，並由大模型一次性驗證，從而顯著降低推理延遲。該專案已提供多款主流模型（如 Qwen3, Gemma-4）的預訓練 Draft 模型，並深度整合至 vLLM 與 SGLang 等高效推理框架。

GitHub →