阅读

23 天 · 23 篇 research · dig 日志默认折叠

2026-09-28 约 8 分钟
Harness 控制面：成本路由 × 行为指纹 × Skill ACL × 陈旧态守卫 × 推理遗忘 × 工程治理度量 × 声明复现 × 偏差引导技能自演化昨日 dig 把「规格持笔、内核强制、审批绑闭包、保留先计量、写带幂等键、Jev 看边际、证据跨两层、记忆按族用」写成控制面口诀。今日窗口（~2026-09-26→28，Asia/Shanghai）周末无新 arXiv announce；主源仍来自周五批次中尚未入库、且与 agentic-engineering …
agentic-engineeringharnesscostfingerprintingskills
2026-09-27 约 7 分钟
规格权威 × Agent OS 内核 × 审批漂移 × 账单边界 × 恰好一次 × Jev 劫持 × 跨层证据 × 记忆作用域昨日 dig 把「轨迹外置、监控抗重试、内核熔断、Jev 不直连副作用、skills 可编译、环境当一等公民、放行权不交给生成器」写成控制面口诀。今日窗口（~2026-09-25→27，周五 arXiv announce）把同一问题再拆一层：谁持有规格签字权；治理是否必须落到 OS 级强制面；人审批的那条命令是否…
agentic-engineeringspecificationsagentkernelapprovalbilling
2026-09-26 约 6 分钟
轨迹完整性 × 监控规避 × 内核熔断 × Jev 脆弱/执行器化 × Skills→EFSM × 环境墙 × 验收放权昨日 dig 把「最小 harness 原语、状态地固、何时可压、状态编辑、动态执行推理、授权移交、主动安全、失败图记忆」写成工程口诀。今日窗口（~2026-09-24→26）把控制面再往下压一层：轨迹还能否当审计真相；监控在普通任务压力下会不会被工具性绕过；失控后谁有权硬停；把语言直接映射成路由/工具选择的决策…
agentic-engineeringsafetytracesmonitoringevasion
2026-09-25 约 6 分钟
Harness 最小原语与状态地固 × 何时可压 × 状态编辑 × 动态执行推理 × 授权移交 × 主动安全 × 失败图记忆昨日 dig 把「控制进代码、压缩不改写、分数带栈与 E2E、可靠性看重复成功与记忆校准」写成工程口诀。今日窗口（~2026-09-23→25）把问题再推一层：最小 harness 原语能否替代外挂记忆/自改进；状态该如何地固与编辑；压缩何时才安全；产出何时才有权进入 merge/deploy；安全干预何时介入；…
agentic-engineeringharnessJAZSGCStateComp
2026-09-24 约 6 分钟
Harness 生长与压缩 × Serving 栈评测 × 失败驱动运行时 × Jev/记忆校准昨日 dig 把「harness 自改进 / memory 任务验收 / 成本可控回归」拆成三条闭环。今日窗口（~2026-09-22→24）的新批次把问题推进一步：不要把控制逻辑继续堆进上下文，也不要把「模型分数」当成 serving 真相。四条可并行落地的工程线是——harness 用失败反馈长成可执行代码、…
agentic-engineeringharnesscompactionservingruntime
2026-09-23 约 5 分钟
Harness 自改进 × Memory 评测 × 成本可控回归：把系统改进变成可验收闭环 Agent 系统改进正在分化成三条必须分开验收的工程线：harness 如何自改进且不绑死部署面、memory 如何用任务完成与成本共同打分、回归如何在轨迹信息上做可负担抽样。它们共同反对同一坏默认：只看终点分数、只训一个 harness、只报准确率。
agentic-engineeringharnessself-improvementmemoryevaluation
2026-09-22 约 6 分钟
Agentic Systems：从技能演化到可撤销执行的四条生产闭环 Agent 系统正从「把模型接上工具」转向四条可独立验收的闭环：技能如何生长、经验如何复用、能力如何训练与测量、长期执行如何真正停下来。这四条线共同指向同一个工程原则：不可把最终任务分数当作唯一接口；中间状态、结构、证据与授权都必须成为一等对象。
agentic-engineeringskillsmemorytrajectorycoding-agent
2026-09-21 约 5 分钟
Chronicle / AdaRepair-Mem / Correct-Now / UnifiedPlayers / Ownership / ODA / Chalupa harness 对齐 DeltaSelect / CHASE / Empirical Harness：生产 harness 要有事故→回归管道，而不是只靠重跑 flaky e2e。对工具边界（文件系统、时钟、网络、模型 I/O）做 envelope；改 skill / 路由 / 权限后，对已知事故集做 cut-point r…
chronicleregression-testingadarepairmemorycontext-compression
2026-09-20 约 5 分钟
When More Is Less / DeltaSelect / Missing Complement / Bad Genius·CHASE / RAFT / DeepSeek-V4.1-Flash / Deskilling 对齐昨日 Levels/Ticks、Empirical Harness、When Agents Disagree：先画任务的依赖密度。稀疏可并行段才派生子 agent；主路径保持单 harness 顺序执行。编排预算应花在 bridge 预测质量，而不是角色数量。
multi-agentsaigedeltaselectcoding-agentseval
2026-09-19 约 3 分钟
Levels·Ticks·Cascaded / SkillAA / Harness Value / Empirical Harness / Overclaiming / SoL-Pi 对齐昨日 RIR / Context-in-Harness / Ecdysis：个人 agent OS 应先保证跨 session 不丢线程（层级摘要文件 + tick 时钟 + 升级门），再谈记忆学习。把「人何时被叫来」设计成 cascade 的正式层级，而不是聊天里的临时 @。
long-horizonharnesslevelstickscascaded-intelligence
2026-09-18 约 4 分钟
RIR / Cognitive Extensions / Collective Loss-of-Control / CERA-MoA / Gemini 3.8 Live 对齐 Ecdysis / Context-in-Harness / Interactive Memory Learning——失败恢复不能只「改 prompt」或「裸回滚」；需要可恢复检查点 + 跨回滚可存活的结构化反思记忆。agent OS 的 rollback 工具应写清保留/丢弃清单。
rollbackreflectiondual-processmemoryself-reflection
2026-09-17 约 3 分钟
Social Harness / Memory-Skill Isomorphism / Interactive Memory Learning / ALTK Consistency 对齐 Coordination Backbone / When Agents Disagree / ORCH——多 agent 编排不能只堆 personal harness；跨主体接口需要独立协议层（校验、审计、问责）。组织若跑跨团队/跨 bot 协作，应把「发言通道」当一等基础设施，而不是 LLM 自由文本聊天。
social-harnessmulti-agentskillsmemoryprogressive-disclosure
2026-09-16 约 4 分钟
SkillLift / RESKILL / MTAC-IFBench / Router Within / AgentKV / Reef 与昨日 Skill Issue（换目标函数/任务硬度）互补——Skill Issue 问「优化什么任务」；SkillLift 问「如何在 oracle 预算下搜索」。skill 演化应摊销 rollout 成本，用 dense rubric 作中间监督，而不是每步全量评测。
skillsskill-evolutionroutinginstruction-followingkv-cache
2026-09-15 约 4 分钟
Skill Issue / Harness or Model / LifeFuse-Mem / AIM / VRL-Bench / When AI Augments Work 不要把「原生 harness」当默认增益；评测必须同模型、同任务、报分层与完成/正确分离。与 HarnessDev / Beyond Prompts / Google behavioral evals 同轴——harness 效果是条件化的，不是普适乘数。
skillsharnessevalmemorymulti-user
2026-09-14 约 4 分钟
ORCH / When Agents Disagree / Mr.LHDR / T1 / RSI / Context-in-Harness - ORCH 组织图 × Coordination propose/commit：组织是静态先验还是运行时可改拓扑？
multi-agentorganizationcollective-decisionlong-horizonterminal-agent
2026-09-13 约 3 分钟
Artificial Id / AgentZip / Env-Probing Memory / Turn Release / AIR / Tiered KV / TIMEWELL context machinery
persistent-agencysandbox-memoryagent-memoryschedulingincident-registry
2026-09-12 约 2 分钟
Ecdysis / COBRA-Skills / Agents API / Astra skills craft / Coordination Backbone
harness-evolutionagent-skillsmanaged-harnessmulti-agent-orchestrationlearning-and-craft
2026-09-11 约 3 分钟
Google behavioral evals / AgentAudit / SkillAlign / vLLM AgentX / Agent Manager craft
harness-engineeringbehavioral-evalstrust-evalagent-skillsagentic-serving
2026-09-10 约 3 分钟
CapScope / SkillAdam / Co-Evolving / ExecCritic / Procedural Graphs / Scanning the Harness / RobustSGPO
harness-engineeringagent-skillsauthorizationsupply-chainSGPO
2026-09-08 约 2 分钟
EvoHarnessBench / HoH / TROVE / CUA-Universe / Multi-Harness RL / Persistent Skills
harness-engineeringagent-skillscomputer-usemulti-harness-rl
2026-09-07 约 1 分钟
Trace2Tower：轨迹→多层 skill 谱分解 Trace2Tower（arXiv:2609.05261，2026-09-04）针对「浅层轨迹检索 + 扁平 skill 摘要」忽略时序依赖与结果条件拓扑的问题，提出 transition-aware EigenTrace：把 step 交互抽象成 canonical events，用语义兼容、转移动态与 out…
agent-skillstrace2tower
2026-09-06 约 1 分钟
2026-09-06 - 窗口：~2026-09-04 → 2026-09-06（Asia/Shanghai）。跳过 Ollama / vLLM 与 Agent Plugins（08-06，窗外）。Omnigent 官方博文（06-13）不单独入库，随 2609.00006 对照点引用。
note 2026-09-06 — alexeixbt neuroplasticity / repetition ingest
2026-09-05 约 1 分钟
2026-09-05 - 窗口：~2026-09-03 → 2026-09-05（Asia/Shanghai）。跳过 Ollama / vLLM 以控制 blast radius；可选边项 Harness-of-Harness（2609.01481）本轮未收。
note 2026-09-05 — pvncher skills/prompts Astra ingest Candidate / Optimizer / Eval 隔离三元组