窗口 ~2026-09-12→09-14（Asia/Shanghai）。去重 SB-20260913 tip f38c8efc…（Artificial Id / AgentZip / Env-Probing / Turn Release / AIR / Tiered KV / TIMEWELL）与 nightly 同 tip；不重挖 Ecdysis / COBRA / Agents API / Astra / Coordination Backbone。本窗主源：Fri 09-11 announce 未收的多 agent 组织/决策/长程评测/终端 RL/RSI，以及 09-13 harness 内 context 工程综述。跳过窗外 betterclaw AGENTS.md（09-08）与 OR 向 MAPLE。
01找 · 读
ORCH（arXiv:2609.11737）
源：09-10。论点：集体智能不只取决于个体能力，还取决于如何组织；现有 embodied multi-agent 常用固定组织，与任务所需协调类型错配。ORCH 把组织理论操作化：对可并发工作用 pooled interdependence，对有前置依赖的工作用 sequential interdependence，构造任务特定层级。25 个野火响应任务（侦察/救援/运输/资源/围控/灭火），最多 50 异构 agent、8 个 LLM。相对四个代表性 embodied 基线：人工 ORCH 平均最终分 +63.97%、执行效率 +74.29%；LLM 自动生成组织分别为 +43.63% / +52.53%。优势跨任务与模型保持；集体表现不随模型规模单调。长程任务上，层级组织让专用小组内并发与阶段间有序切换并存。对照昨日 Coordination Backbone 的 propose≠commit：这里把「组织图」本身当作可设计/可生成的一等对象。
02找 · 读
When Agents Disagree（arXiv:2609.11709）
源：09-10。多智能体冲突时，聚合机制决定多样性是互补还是共错放大。投票/选举规则/LLM judge 都在 forward reasoning（证据→标签）路径上，错误高度共线。提出用 Bayes 反向构造共享 reverse posterior 作 label-free anchor；以 Jensen–Shannon 衡量 cross-path consistency，驱动 MinJS（硬选）、FwdJS（软重加权）、LogLin（log-linear 融合）。DDXPlus × 五 backbone：MinJS 全面优于随机选；FwdJS 通常优于最强选举基线；LogLin 总体最强，增益在「agent 不同意」子集最大。关键洞见：standalone 准确率弱的 reverse posterior，往往是更好的 anchor——预测力 ≠ 锚定效用。有标签时可做轻量两阶段校准。对照 Coordination / AIR：这里补的是「冲突后如何选/融」的机制词汇。
03找 · 读
Mr.LHDR（arXiv:2609.11318）
源：09-10。现有 deep research 评测偏中程探索，难测依赖链长、多模态证据的持续研究。Mr.LHDR：102 题、1231 checklist 步；Linear 71.6% / Multi-branch 28.4%；几乎每题带上传图像资产。强调 OA（结局对）≠ 过程完整：正确终答常掩盖缺失必要结论；DACS 低于 CS 暴露「结论缺前置」。同模型消融：给图像把 DACS 从 21.6%→34.2%（+12.6pp）。对照 AgentAudit / CapScope / Scanning：把「过程 checklist + 依赖图」推进到开放网页多模态长程研究。
04找 · 读
T1（arXiv:2609.11042）
源：09-10。122B MoE 终端 agent，真实 shell + 云 sandbox，单任务可达 300+ tool-call turn；奖励来自任务自带 verifier。配方：(1) 激进 warm-start + dense process reward（按通过 assertion 数）；(2) TITO（精确 sampled token id + turn 边界 drift repair）与 R3 rollout routing replay（记录并回放每层 MoE expert 选择）；(3) 与 Terminal-Bench 2.1 隔离的 OOD 训练语料。TITO+R3 把 train–infer logprob 差从 0.021→0.013，loss 区零 token drift。Terminal-Bench 2.1：基座 43.8%→T1 64.0%（同 harness 下超 GPT-5.4 54.8%、DeepSeek-V4-Flash 56.9%，近 Opus 4.7 66.1%）；Long-Horizon Terminal Bench 27.9%，超 GPT-5.4 / GLM-5.1。对照 AgentZip sandbox 内存与 Turn Release：这里是「终端长程 RL 配方」轴。
05找 · 读
The Last AI Built by Humans / RSI（arXiv:2609.11873）
源：09-10。用 Headroom-Closed Index (HCI) 诊断现有 LLM「还能不能靠当前改进回路拉开差距」；给出 RSI 路线图：从改进答案 → 改进改进过程本身。梳理 A-Evolve、AFlow、AgentSquare、技能蒸馏、失败/成功分析与 admission/rollback 等机制，强调真正 RSI 要把经验变成对未来改进程序的持久变更，而非单次任务补丁。对照 awesome-rsi / Continual Harness / Ecdysis：提供「何为 genuine RSI」的判别框架，而非又一个单点算法。
06找 · 读
Context Engineering Inside the Harness（Techora，2026-09-13）
源：09-13。浅层 agent 在长任务上败于 context overflow 与 goal loss；修复层是 harness。四机制与落地阈值：(1) Budgeting/offloading——Deep Agents：工具结果 >20k token 落盘；窗口 85% 时截断旧 write/edit；(2) Compaction——Claude Code 压缩后重读最多 5 个最近修改文件、重注 skill≤5k/合计≤25k；Deep Agents 结构化 summary（intent/artifacts/next steps）；OpenAI Responses / Claude Platform 已有服务端 compact API；(3) Todo-state——Manus 式 recitation；Deep Agents v0.7 起 Todo 改为 opt-in（评测显示非免费增益）；(4) Cross-session memory——ETH Zurich：LLM 生成的 AGENTS.md 类文件可抬高推理成本 20–23% 而不稳提成功率 → 与 TIMEWELL「≤200 行 + Skills 按需」同向。对照 Progressive Disclosure / AgentZip / Env-Probing：把生产阈值钉到同一四件套。
07找 · 读
交叉与开放问题
- ORCH 组织图 × Coordination propose/commit：组织是静态先验还是运行时可改拓扑？
- Reverse-anchor 聚合 × AIR / AgentAudit：事故复盘能否用 cross-path consistency 做机制覆盖？
- Mr.LHDR 过程分 × CapScope/Scanning：checklist 依赖图能否进入 harness-level eval gate？
- T1 TITO/R3 × Turn Release / AgentX：训练时 token/expert 对齐与 serving 时 turn 放行是两条稳定性轴。
- RSI HCI × Ecdysis / Continual Harness：何时该进化 harness 而非继续 RL 模型？
- Context-in-Harness 阈值 × TIMEWELL / Astra instruction tax：预算与压缩后重注入的「指令税」上限。
Articles 大文件就地折入延后（harness-engineering / graph-engineering / eval / self-improvement / personal-development）；本 dig 以 research + digest 为权威。