SkillLift（arXiv:2609.15396）
源：09-14。论点：持久 skill（可复用 procedural prompt）的自演化，若每次候选都靠完整 agent rollout 当 oracle，监督瓶颈会把搜索锁死在「失败补丁」式局部改动。关键 insight：排序比绝对分数回归更平滑——判断「哪个 skill 更好」比预测精确分数需要更少的 oracle。SkillLift 用 bilevel：内环冻结 rubric 作廉价 surrogate 引导 skill 修订（零 oracle）；外环少量 oracle rollout，用秩相关重新对齐 rubric。报告相对前沿 evolving 方法 少 40–70% token 成本 且更优。
RESKILL（arXiv:2609.15684）
源：09-14（EMNLP 2026）。论点：失败后的 skill 修复常是不透明 one-shot reflection——模型生成补丁，却不显式维护「失败解释 ↔ 候选修复」关系，也不把失败 retest 带入后续编辑。RESKILL 维护跨轮 显式 repair state：失败假设 ↔ 候选 skill patch，按 coverage attribution 选局部修复，环境 retest，再把结果喂回下一轮。ALFWorld / TextCraft、三模型尺度、固定 repair 预算下，六组设置均最强：相对 direct repair +3.7pp，相对 hypothesis-conditioned +3.3pp。结论：仅做归因不够；归因必须与修复选择、持久 retest 条件更新耦合。
MTAC-IFBench（arXiv:2609.14992）
源：09-14。缺口：现有 coding agent 评测重最终功能正确，或把 instruction-following 限在单轮 chat/简单生成；多轮 agentic coding 过程约束 欠评。MTAC-IFBench：多轮渐进式软件开发指令，约束覆盖 6 主类 / 18 次类；平均 7.04 轮、91.33 约束/实例；每约束与功能需求有 checklist，脚本 + judge agent 核验。发现现有 code agent 多轮指令遵循明显不足，随会话变长快速退化。
The Router Within / Gavel（arXiv:2609.15982）
源：09-14。论点：skill 收益取决于选对 skill；预载全部 metadata 分散注意力并限制库规模；外部检索又把选择移出 agent 能力。冻结 LLM 前向过程里已有路由信号，两张线性 map 即可读出，上下文无需 skill 正文。Gavel：Glance 用 mid-layer 状态对安装时构建的 per-skill bank 打分；Verdict 恢复 shortlist 的前向，读 likelihood + yes/no，与 Glance 做 product-of-experts。一次训练可零样本迁移；Qwen3-32B 上相对 progressive disclosure / retrieve-and-rerank（外加 1.2B–16B 参数）最高 +13.4（书面）/ +21.9（中途需要 skill）。bash-agent 上同 32B 触发正确 skill 的频率可超过 Codex 中更大 frontier 模型。
AgentKV（arXiv:2609.14872）
源：09-14。设定：agentic serving 的 token 量远超 chatbot，KV 容量与 decode 带宽双压。多数 eviction 用「最近 token」代表未来 query，假设注意力局部平稳；agent 生成违反该假设——未来 query 是 think / act / tool / others 的混合，主角度分析显示相位占据不同 query 子空间，recency 代表系统性低估后续相位需要的 key。AGENTKV 每相位维护小 query buffer，对并集打分；并在持久多轮 serving 路径携带压缩 KV、在线 compact。两模型 × 六域 × 三预算：平均任务分相对 R-KV +5.5、相对 Tri-attention +5.3；相对 full-KV SGLang 输出吞吐最高约 1.80×。
Reef（HF blog 2026-09-15）
源：开源 https://github.com/Human-Agent-Society/reef。主张：在 RSI 闭环完全落地前，先把 continual self-improvement 做成系统问题。两条破假设：(1) inference 不再是管线终点——轨迹/反馈是学习原料；(2) 演化对象不只有权重——prompt / memory / skills / tools / orchestration 同属 harness。Reef 要端到端拥有 experience / agent / updates：stateful inference（OpenAI 兼容 + receipt + feedback）、Cordis 做 harness 演化、异步训练（Slime 改编）+ NCCL 热更新权重、Git LFS 工件 + CAS 发布链与评测门控。用 modular learning recipes 表达在线 RL / TTT / skill·harness evolution 等。
交叉图（本窗）
flowchart LR skillLift[SkillLift<br/>rubric bilevel] reskill[RESKILL<br/>attribution+retest] mtac[MTAC-IFBench<br/>multi-turn IF] gavel[Gavel<br/>native skill routing] agentkv[AgentKV<br/>phase-aware KV] reef[Reef<br/>stateful inference+evolve] skillLift --> reskill gavel --> skillLift mtac --> gavel agentkv --> reef reskill --> reef
Open follow-ups
- SkillLift rubric 外环 × Skill Issue PR-task 目标函数：换硬度后 bilevel 是否仍省 oracle。
- RESKILL repair state × VRL-Bench / AIR：失败反思入库 schema。
- MTAC-IFBench 轮次衰减 × Turn Release / Harness or Model：过程 IF 是否应进 harness 对照指标。
- Gavel native routing × progressive disclosure / Astra instruction tax：大库路由基准。
- AgentKV phase buffer × Tiered KV / AgentZip：统一 agent serving KV 剖面。
- Reef recipes × Continual Harness / Ecdysis / last-AI-RSI：组织可落地的 experience→eval→release 最小切片。