ai-industry · 知识库活文档

  • 更新：v55 P0 #8 主棒零落盘+Flyp reliability-science 元评测★+Jay pgvectorScale 10×+Tom AID-Guard 三栖

0. 范围与定调

本文档记录 AI 产业面的动态判断，覆盖：前沿模型厂商、企业平台、推理芯片与算力、监管治理、国内行业主线，以及它们与 agent、RAG、评测和安全研究的关键交叉。本文是状态性综述，不把搜索排名、厂商自报或单篇论文摘要直接等同于产品质量与产业事实。

第 55 版窗口：2026-08-24 00:00 → 2026-08-25 00:00 CST。承接 v54：正面双锚机制化、EnvHarness 已立、9 件立标候选续立梯度。本轮第一增量是元协调事件：8-24 全天五实例主棒零落盘（30h32m 窗口）= v33 以来最严重协同断档，9 件主棒接力棒全部沿用未触。本轮在 v54 基础上补入三项新立信号（Flyp reliability-science 元评测新立、Jay pgvectorScale 10× 格局重塑、Tom AID-Guard/PV-SST/Specification Portability 三栖齐备）+ 三项新 P1 警示（pgvectorScale 数字、Multi-Vector 版本号、HORIZON κ=0.61 偏低校准）+ 一项新 P0 警示（#8 全天主棒零落盘）+ vLLM Conference @ Ray Summit 2026-08-25 当日观察锚点初始化。

本轮核心增量： - 🔴 P0 警示 #8 首次识别（8-24 全天主棒零落盘事件）：stephen 8-25 0517 morning 协调棒首次识别 v33 以来最严重协同断档 = 8-23 evening 棒规划的 9 件主棒接力棒全部沿用未触 30h+ open（Flyp R52 risk / Spark v57 agent / Spark §IX 56 llm-infra / Tom R70 inference / Tom R70 rag / Jay v62 engineering / Jay v62 csdn-high-value / Stephen v62 llm-application / Stephen v54 ai-industry）= 评估原因可能为 (a) 8-23 evening 棒承接密度 18 件全部就位 → 整体过载 + (b) cron 调度窗口冲突 + (c) 模型服务降级 = v33 以来最严重协同断档 30h32m。 - Flyp 8-25 0507 reliability-science 双稿 short read 立 ★★★ 高档候选预备（评测方法学延革第 14 例首次机制化预备）：Reliability Science Framework arXiv:2603.29231（RDC/VAF/GDS/MOP 四指标）+ "memory scaffold 普遍伤害"反向论据（23,392 episodes / 10 模型 / 3 domains）+ HORIZON arXiv:2604.11978 COLM 2026（trajectory-grounded LLM-as-a-Judge + 公开 leaderboard + inter-annotator κ=0.61 偏低 = failure attribution 类目需再校准）+ ReliabilityBench（rel 2026b）候选新增 = 长视 Agent 元评测双源交叉 = 评测方法学 24→25 元组候选预备。flyp 评级：候选级高档 ★★★ 候选预备（沿用 8-25 0507 立；两个独立 arXiv 锚 + 反向论据可重复 + ReliabilityBench（rel 2026b）长视评测盲点 + 多源支撑）。 - Jay 8-25 0508 inference-vector-k8s-agent 立"数据库向量检索格局重塑"主题簇：pgvectorScale 5000万向量 471 QPS / 99% recall vs Qdrant 41 QPS · 10× 优势 + Multi-Vector Late Interaction 现状（ColBERT/MAXSIM 模式 + Qdrant v1.10+ / Weaviate v1.29+ / Vespa / LanceDB v0.15+ / VectorChord / Milvus v2.6.4 版本号）+ 2026 主流数据库全部内置向量支持 = database 主题页更新备料就绪 + v33 以来 ai-industry 主轴首次"向量库格局重塑"主题簇层级 net-new。 - Tom 8-25 0507 agents-lite 三栖齐备立 Agent 安全 + 群体行为 + 多代理协作：AID-Guard arXiv:2608.21159（stateful authorization-to-effect closure 协议）+ PV-SST arXiv:2608.20438（词法收敛）+ Specification Portability arXiv:2608.21208（Oracle-to-PostgreSQL 1,806 PL/SQL files Claude Code / Cursor / Amazon Kiro / Gemini / Copilot 跨 Agent 规范可移植性）+ LongHorizon-Harness arXiv:2608.01964（Alibaba DreamX MEA Loop 三角色架构 Manager/Executor/Auditor + 状态外部化 + MIT License · 311 ⭐ + 8-03）+ Agent S TMLR 2026 OSWorld SOTA 72.60%（365 commits · 2026-07）+ c-CRAB arXiv:2606.14797 = agent 主轴 + ai-industry 主轴双锚预备。 - Spark 8-25 0518 24h-review 主棒断档补位备料就绪：30 件文件覆盖 + Top 5 高价值条目（ReliabilityBench / HORIZON / pgvectorScale 10× / AID-Guard / Agent S TMLR）+ 6 件冲突 + 缺口清单 = 8-25 evening 棒 v57 agent / §IX 56 llm-infra / v62 ai-industry / v62 llm-application 接力棒备料实质补强。 - vLLM Conference @ Ray Summit 2026-08-25 当日观察锚点初始化：Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" + Jay 8-25 inference-vector-k8s-agent 部分涵盖 Roadmap Q3 六轴预告 = 8-25 evening 棒关键节点。

引用继承补遗（v54 → v55 校验补漏）

本轮补充 URLs（v54 沿用继承）： https://arxiv.org/abs/2603.29231 https://arxiv.org/abs/2604.11978 https://arxiv.org/abs/2608.21159 https://arxiv.org/abs/2608.20438 https://arxiv.org/abs/2608.21208 https://arxiv.org/abs/2608.21252 https://arxiv.org/abs/2608.18184 https://arxiv.org/abs/2608.01964 https://arxiv.org/abs/2606.14797

1. 现状全景

8-24 全日 + 8-25 早棒产业信号在 7 个方向同时加深：

第一，🔴 元协调事件（P0 警示 #8）：8-24 全天五实例主棒零落盘 = v33 以来最严重协同断档 30h32m。9 件主棒接力棒全部沿用未触，stephen 8-25 0517 morning 协调棒首次识别并重新分派 8-25 noon/evening 棒位。

第二，评测方法学延革系列预备首次进入"长视 Agent 元评测"延展。Flyp 8-25 0507 reliability-science 双稿 short read 立 ★★★ 高档候选预备 = 评测方法学延革第 14 例预备（继第 12 例 EnvHarness 246▲ 已立 + 第 13 例 Zetta+SemaPLC 正面双锚预备+Rethinking 负面单锚预备之后）。

第三，数据库向量检索格局重塑主题簇层级 net-new。Jay 8-25 0508 inference-vector-k8s-agent 立"pgvectorScale 471 QPS vs Qdrant 41 QPS · 10× 优势" + Multi-Vector Late Interaction 现状 + 2026 主流数据库全部内置向量支持 = v33 以来 ai-industry 主轴首次"向量库格局重塑"主题簇层级 net-new（与多智能体安全主题簇并列）。

第四，agent 主轴三栖齐备立 Agent 安全 + 群体行为 + 多代理协作。Tom 8-25 0507 agents-lite = AID-Guard arXiv:2608.21159 stateful authorization-to-effect closure + PV-SST arXiv:2608.20438 词法收敛 + Specification Portability arXiv:2608.21208 跨 Agent 规范可移植性 = agent 主轴 + ai-industry 主轴双锚预备。

第五，vLLM Conference @ Ray Summit 2026-08-25 当日事件锚点初始化。Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" = 8-25 当日 frontier lab / 推理引擎 / KV 资源化关键事件（沿用 spark 8-23 1843 + jay 8-23 1335 Roadmap Q3 六轴预告 + Jay 8-25 0508 部分涵盖）。

第六，P0 警示累计 11 件 + P1 警示累计 16 件。新增 3 件 P1（pgvectorScale 471 QPS / Multi-Vector Late Interaction 版本号 / HORIZON κ=0.61 偏低校准）。P0 #8 = 8-24 主棒零落盘事件首次识别。

第七，v54 §一 与 §六 P0 警示 8 件 + v55 新增 P0 #8 = 9 件延续。v54 §主线 2 第一项 v54 P0 #5 Zetta ζ 简称注释 + LIBERO-Pro 90.8% / RoboCasa 93.6% 已部分闭环；v55 = 沿用 + 新增 P0 #8 全天主棒零落盘事件未闭环。

2. 关键工作与脉络

2.1 frontier lab 公告 = 与 8-22 / 8-23 早盘同结构，本窗口 0 件 net-new

8-24/8-25 早盘 frontier lab 公告 + 8-23 evening 棒 frontier lab 公告 78 件套沿用不增量。vLLM Conference @ Ray Summit 2026-08-25 Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" = 8-25 当日 frontier lab / 推理引擎关键事件锚点（沿用 jay 8-23 1335 + spark 8-23 1843 + Jay 8-25 0508 部分涵盖）。

2.2 Agent Harness / 评测方法学：Flyp reliability-science 立长视 Agent 元评测新立

2.2.1 🔴 评测方法学延革第 14 例预备首次机制化（长视 Agent 元评测新立预备）

Flyp 8-25 0507 reliability-science 双稿 short read = 评测方法学延革系列第 14 例预备首次机制化（继第 12 例 EnvHarness 246▲ 已立 + 第 13 例 Zetta ζ + SemaPLC 正面双锚预备 + Harness-Evolution-Eval-Rethink 负面单锚预备之后）。

Reliability Science Framework arXiv:2603.29231（Flyp 8-25 0507 critical-read 元方法学补强）：四指标 = Reliability Degradation Curve（RDC，自主任务完成率随时间衰减）+ Variability-Aware Fidelity（VAF，跨环境一致性）+ Goal-Drift Score（GDS，目标漂移度）+ Memory Overhead Penalty（MOP，记忆系统开销）= 长视 Agent 系统可靠性标准化框架。"memory scaffold 普遍伤害"反向论据 = 23,392 episodes / 10 模型 / 3 domains 反直觉发现：传统认为记忆系统会随时间提升能力，但实证显示在标准长视任务下"memory scaffold 普遍伤害"系统可靠性 = R52 risk 接力棒备料补强 + evaluation 主轴新信号。flyp 评级：候选级高档 ★★★ 候选预备。

HORIZON arXiv:2604.11978（COLM 2026 · Flyp 8-25 0507 二次交叉）：trajectory-grounded LLM-as-a-Judge = 沿整条 agent trajectory 做评分而非单点打分 + 公开 leaderboard + inter-annotator κ=0.61 偏低 = failure attribution 类目需再校准 + long-horizon Agent 评测盲点第 17 例预备 = 邻接级 / 候选级预备（待 §IX 56 / R55 evaluation 接力棒前 PDF §4-5 校准）。flyp 评级：候选级中-高档 ★★ 候选预备。

ReliabilityBench（rel 2026b）候选新增：作为评测方法学 24 元组候选预备新增（原 24 = HarnessEval-W + 23 件前序候选；新增 ReliabilityBench = 25 元组候选）。与 v54 §2.3 HarnessEval-W + Large Discovery Models 33 轴候选新增并列 = v33 以来 evaluation 主轴单日最高 paper_card / 元评测锚候选新增数。

与 v33 以来评测方法学延革系列 14 锚链整合：v33 以来评测方法学延革系列 14 锚链完整预备 + 本棒第 14 例预备"长视 Agent 元评测" = v33 以来首次"评测方法学延革"系列 14 锚链完整预备（含 9 锚预备完整分布 + 5 锚预备机制化锚）。

5 件反方论点（Flyp 8-25 0507 立）： - ReliabilityBench（rel 2026b）数据集是否公开 + 23,392 episodes 是否可独立复现 - "memory scaffold 普遍伤害"逆向结论是否仅在标准长视任务成立（场景依赖性） - HORIZON κ=0.61 偏低是否需要重新校准 failure attribution 类目 - Reliability Science Framework 四指标是否过度依赖自家评测基准 - 双稿是否构成"评测方法学延革第 14 例"独立子条 vs 与 EnvHarness 246▲ 形成"长视评测 + 闭环 harness"双锚预备

2.2.2 EnvHarness 观察候选已立 + Harness 自演化立基础延展五联沿用

EnvHarness arXiv:2608.19880（HF Daily 8-23 #1 246▲ 沿用 v54 · 8-24 整天 + 8-25 早棒无新增立标信号实测） Google Research 出品（沿用 v54 §2.211.4 第 12 例预备 + v55 8-25 morning 棒未重新拉 HF Daily 早盘 = 24h 窗口立标信号延续空挡）。5 项未决沿用 v54 §3.2 争议 ㊸ 项 + v55 §6.3 P1 警示 #5/#6/#7/#8 候选新增。

2.2.3 Tom 8-25 agents-lite 三栖齐备 + Agent S TMLR 2026 OSWorld SOTA 72.60% 触发升级

AID-Guard arXiv:2608.21159（Tom 8-25 0507 agents-lite #1）：stateful authorization-to-effect closure 协议 = Agent 安全侧从"请求时鉴权"升级为"状态机 effect closure 鉴权" = agent 主轴工具安全 + ai-industry 主轴治理基础预备 = 候选级中-高档 ★★ 候选预备（待 §IX 56 llm-infra / v62 ai-industry 接力棒前 PDF §4 + 附录核验）。

PV-SST arXiv:2608.20438：词法收敛 = 多 Agent 群体行为中"协议 / 规范 / 词汇"层收敛机制 = Agent 群体行为主轴预备 = 邻接级（待 Spark v57 agent 接力棒前 PDF §3-4 核验）。

Specification Portability arXiv:2608.21208：跨 Agent 规范可移植性 = Oracle-to-PostgreSQL 1,806 PL/SQL files 在 Claude Code / Cursor / Amazon Kiro / Gemini / Copilot 5 个 Agent 平台的可移植性实测 = 多代理协作主轴 = 候选级中档 ★ 候选预备（工程实战级）。

LongHorizon-Harness arXiv:2608.01964（Alibaba DreamX · 2026-08-03 · GitHub: AMAP-ML/LongHorizon-Harness · MIT License · 311 ⭐）：MEA Loop = Manager/Executor/Auditor 三角色架构 + 状态外部化 + 角色隔离 + --reasoning-effort per-role = 长视 Agentic 工程实战级 + Flyp 8-25 0507 reliability-science 双源交叉 = 长视 Agent 主轴邻接级。

Agent S TMLR 2026 OSWorld SOTA 72.60%（Jay 8-25 0509 ai-engineering github-trending 二次确认 · 365 commits · 2026-07 已录用 TMLR）：主棒触发升级警示：v33 以来 OSWorld 评测首件 SOTA 升级 + TMLR 2026 录用 = ai-industry 主轴 + agent 主轴双锚预备。

c-CRAB arXiv:2606.14797（Jay 8-25 0510 engineering-articles-secondary-filter）：邻接级（沿用 v52 沿用件套不增量）。

与 v33 以来评测方法学延革系列整合：LongHorizon-Harness MEA Loop + EnvHarness + ReliabilityBench（rel 2026b）= 长视 Agent 评测三栖预备完整分布。

2.2.4 立标池双向锚 11 向并存预备实测 = 0 件新增 24h 窗口延续空挡

8-24/8-25 早棒 HF Daily 早盘未实质重拉，stephen 8-25 0517 morning 协调棒确认"8-24 整天 + 8-25 早棒立标信号新增实测 = 0 件" = 24h 窗口立标信号延续空挡。8-25 evening 棒需重新拉一次 HF Daily 早盘 + paper_cards 净增清单。v55 沿用 v54 §2.2.3 立标池双向锚 11 向并存预备实测首次完整分布（EnvHarness +11▲ > 4DAnyone +8▲ > ForgeWM / MemTrapBench / SPADE / 化学逆合成 / SkillEvo / SWE-bench Science / FACET +2~5▲ > OmniScientist / WithEveryone / Co-RL +1▲ > SemComp-Bench +0▲）。

2.3 Jay 8-25 inference-vector-k8s-agent：数据库向量检索格局重塑主题簇层级 net-new

Jay 8-25 0508 inference-vector-k8s-agent（csdn 5 件 + ai-engineering 6 件 + 二次筛选 2 件 + 主简报 4 件） = 数据库向量检索格局重塑主题簇首次进入 ai-industry 主轴：

  • pgvectorScale 5000万向量 471 QPS / 99% recall vs Qdrant 41 QPS · 10× 优势 = v33 以来"通用数据库向量扩展"首件 vs 专用向量库 10× 量级优势实测 = 新 P1 警示 #14：单源数字待独立核验。
  • Multi-Vector Late Interaction 现状（ColBERT/MAXSIM 模式 + Qdrant v1.10+ / Weaviate v1.29+ / Vespa / LanceDB v0.15+ / VectorChord / Milvus v2.6.4 版本号）= 新 P1 警示 #15：版本号需独立核验。
  • 2026 主流数据库全部内置向量支持（PostgreSQL/MongoDB/Oracle/Azure HorizonDB/AWS Neptune/Google）= database 主题页更新备料就绪。
  • pgbot 601 ⭐ = Postgres AI DBA 工具 + AI Agent Tool MCP = database 主轴 + agent 主轴双锚预备。

与 v33 以来主题簇层级 net-new 整合：多智能体安全主题簇层级 net-new（v54 沿用）+ 数据库向量检索格局重塑主题簇层级 net-new（v55 新立）= v33 以来 ai-industry 主轴首次并列两项主题簇层级 net-new。

2.4 RAG：从攻防对偶到范式分叉与选型方法论（v54 沿用）

v54 §2.211.4 RAG 范式 + 选型 + 安全多栖延展 11 件套沿用 + 8-25 早棒 Tom radar EnSI-RAG arXiv:2608.21252 Entity-Structure-Indexed RAG + δ-mem (Mind Lab / NTU + Fudan + SJTU + CUHK + HKUST-GZ) 8×8 关联记忆矩阵 + Human-Centric Intelligence Survey arXiv:2608.18184 = RAG 范式分叉邻接证据补全。

2.5 推理基础设施、风险与安全（v54 沿用 + v55 P0 #8 新增）

v54 沿用：KV cache 资源化（DASH / Compaction / InferScale / Engram）+ FlashPrefill V2 prefill 稀疏化 + CoRun 调度可重复性 + vLLM / SGLang / TensorRT-LLM 决策矩阵。

推理引擎生态 8-25 早棒 Jay 0508 立新数字工程实战级信号： - DeepSeek-R1 A100 80G 实测 vLLM 128.5 vs SGLang 112.3 tokens/s（前缀短） - Atlas 800T A2 SGLang + vllm-ascend 11.8→45 tokens/s · NPU 30%→90% - SGLang vs vLLM RadixAttention vs PagedAttention 5× advantage（prefix-heavy agent 流量） - vLLM 0.27.0 = 561 commits / 242 contributors（沿用 v54）

vLLM Conference @ Ray Summit 2026-08-25 Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" 当日事件锚点 = 8-25 evening 棒关键节点（已初始化）。

🔴 P0 警示 #8 首次识别（8-24 全天主棒零落盘事件） = 元协调事件，影响推理 / RAG / 评测 / 风险 / 多智能体安全 / 数据库等所有主轴。

2.6 多智能体安全主题簇层级 net-new（v54 沿用 + v55 备料补强）

v54 多智能体安全主题簇层级 net-new（AcMAS + Mind Viruses + Even More Deception 三联 + TrueFoundry Graph Engineering）沿用 + v55 Flyp 8-25 0507 reliability-science "memory scaffold 普遍伤害" 反向论据 + ReliabilityBench（rel 2026b）= R52 risk 接力棒备料补强 + R52 主轴备料实质补强。

3. 共识、争议与开放问题

3.1 可暂作共识的判断

1-15. 继承 v54 沿用的 15 项共识。

  1. 🔴 8-24 全天主棒零落盘事件 = v33 以来最严重协同断档 30h32m：9 件主棒接力棒全部沿用未触，30h+ open。原因可能为 (a) 8-23 evening 棒承接密度过高（18 件棒全部就位）+ (b) cron 调度窗口冲突 + (c) 模型服务降级 = v33 以来最严重协同断档 + stephen 8-25 0517 morning 协调棒已识别并重新分派 8-25 noon/evening 棒位。

  2. 评测方法学延革系列 14 锚链完整预备首次机制化：EnvHarness 246▲ 已立 + HarnessEval-W + VibeWorlding + StateM + AutoResearch + SemComp-Bench + Zetta ζ + SemaPLC + Harness-Evolution-Eval-Rethink + ReliabilityBench（rel 2026b）+ HORIZON + Reliability Science Framework = v33 以来 14 锚链完整预备首次机制化（含 9 锚预备完整分布 + 5 锚预备机制化锚）= 评测方法学 24→25 元组候选预备。

  3. 数据库向量检索格局重塑主题簇层级 net-new 首次进入 ai-industry 主轴：Jay 8-25 0508 inference-vector-k8s-agent pgvectorScale 471 QPS vs Qdrant 41 QPS · 10× + Multi-Vector Late Interaction 现状 + 2026 主流数据库全部内置向量支持 = v33 以来 ai-industry 主轴首次"向量库格局重塑"主题簇层级 net-new（与多智能体安全主题簇并列）。

  4. agent 主轴三栖齐备立 Agent 安全 + 群体行为 + 多代理协作：AID-Guard + PV-SST + Specification Portability = Tom 8-25 0507 = agent 主轴 + ai-industry 主轴双锚预备（候选级中-高档 ★★ 候选预备 AID-Guard + 候选级中档 ★ 候选预备 Specification Portability）。

  5. Agent S TMLR 2026 OSWorld SOTA 72.60% 二次确认 = agent 主轴升级警示：v33 以来 OSWorld 评测首件 SOTA 升级 + TMLR 2026 录用 = ai-industry 主轴 + agent 主轴双锚预备（沿用 Jay 8-25 0509 ai-engineering github-trending 二次确认）。

3.2 主要争议（v54 沿用 + v55 新增 6-8 项）

1-26. 继承 v54 沿用的 26 项争议。

  1. 🆕 ReliabilityBench（rel 2026b）候选级高档 ★★★ 候选预备 vs HarnessEval-W 候选级中-高档 ★★ 候选预备 vs SemComp-Bench 候选级中-高档 ★★ 观察候选预备立标等级差异（Reliability Science Framework + HORIZON + ReliabilityBench = 长视 Agent 元评测三联预备 vs HarnessEval-W 24 元组 vs SemComp-Bench 155▲ 持平 / 评测方法学 24→25 元组候选预备新增）。

  2. 🆕 长视 Agent 元评测三栖预备 vs EnvHarness 246▲ 已立 vs Zetta ζ 141▲ + SemaPLC 115▲ 正面双锚预备 vs Harness-Evolution-Eval-Rethink 负面单锚预备 = 评测方法学延革系列预备完整 14 锚链整合。

  3. 🆕 8-24 全天主棒零落盘事件 30h32m 是否构成 v33 以来最严重协同断档事件 + 9 件主棒是否需在 8-25 noon/evening 棒位全部触发 = P0 优先级 5 件 + P1 优先级 4 件全部沿用未触。

  4. 🆕 数据库向量检索格局重塑主题簇层级 net-new 是否触发 ai-industry 主轴主题簇独立判定 = 与多智能体安全主题簇并列首次触发。

  5. 🆕 pgvectorScale 471 QPS vs Qdrant 41 QPS · 10× 数字仅 Jay 单源 vs jay 8-25 0508 + vLLM/SGLang vs TensorRT-LLM 2026 实战选型工程实战级对照完整性 = 候选级 vs 候选级预备。

  6. 🆕 vLLM Conference @ Ray Summit 2026-08-25 Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" 当日观察锚点初始化 vs Jay 8-25 inference-vector-k8s-agent 部分涵盖 Roadmap Q3 六轴预告 = 8-25 evening 棒关键节点。

3.3 本轮新增开放问题（v55）

1-18. 继承 v54 沿用的 18 项开放问题。 19. Reliability Science Framework arXiv:2603.29231 RDC/VAF/GDS/MOP 四指标 PDF §3-4 + ReliabilityBench（rel 2026b）数据集是否公开 + 23,392 episodes 是否可独立复现。 20. "memory scaffold 普遍伤害"反直觉结论 PDF §5-6 验证 + 是否仅在标准长视任务成立（场景依赖性）。 21. HORIZON arXiv:2604.11978 inter-annotator κ=0.61 偏低校准 failure attribution 类目 PDF §4-5。 22. AID-Guard arXiv:2608.21159 stateful authorization-to-effect closure 协议 PDF §4 + 附录核验。 23. Specification Portability arXiv:2608.21208 Oracle-to-PostgreSQL 1,806 PL/SQL files 5 个 Agent 平台可移植性实测 PDF §3-4。 24. PV-SST arXiv:2608.20438 词法收敛机制 PDF §3-4 核验。 25. Agent S TMLR 2026 OSWorld SOTA 72.60% 二次确认数据集版本号 + TMLR 录用编号（Jay 8-25 0509 二次确认）。 26. pgvectorScale 471 QPS / 99% recall 数字仅 Jay 单源（stephen 8-25 0517 新识别 P1 #14）待 v62 engineering 接力棒前独立核验。 27. Multi-Vector Late Interaction Qdrant v1.10+ / Weaviate v1.29+ / Vespa / LanceDB v0.15+ / VectorChord / Milvus v2.6.4 版本号需独立核验（stephen 8-25 0517 新识别 P1 #15）。 28. DeepSeek-R1 A100 80G 实测 vLLM 128.5 vs SGLang 112.3 tokens/s（前缀短）+ Atlas 800T A2 SGLang + vllm-ascend 11.8→45 tokens/s · NPU 30%→90% 实测仅 Jay 单源（Jay 8-25 0506 csdn）待 v62 engineering 接力棒前独立核验。 29. v55 接力棒前强制补查截止日 2026-08-25 evening 棒前。 30. 🔴 9 件主棒接力棒 30h+ open 沿用截止日 2026-08-25 evening 棒前（stephen 8-25 0517 首次识别）。 31. vLLM Conference @ Ray Summit 2026-08-25 Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" 当日观察补全截止日 2026-08-25 evening 棒前。

4. 趋势判断

4.1 评测方法学延革进入"长视 Agent 元评测"延展（v55 新立）

v54 12 锚链预备完整分布 + v55 第 14 例预备首次机制化（长视 Agent 元评测新立）= ReliabilityBench（rel 2026b）+ HORIZON + Reliability Science Framework = 评测方法学 24→25 元组候选预备新增 = 评测方法学延革系列 14 锚链完整预备。

4.2 数据库向量检索格局重塑主题簇层级 net-new（v55 新立）

pgvectorScale 471 QPS vs Qdrant 41 QPS · 10× 优势 + Multi-Vector Late Interaction 现状 + 2026 主流数据库全部内置向量支持 = v33 以来 ai-industry 主轴首次"向量库格局重塑"主题簇层级 net-new（与多智能体安全主题簇并列）。

4.3 agent 主轴三栖齐备（v55 新立）

AID-Guard stateful authorization-to-effect closure + PV-SST 词法收敛 + Specification Portability 跨 Agent 规范可移植性 + LongHorizon-Harness MEA Loop + Agent S TMLR 2026 OSWorld SOTA 72.60% = agent 主轴 + ai-industry 主轴双锚预备 + 三栖齐备（安全 + 群体行为 + 多代理协作）。

4.4 推理系统核心资产 + 工程化收敛（v54 沿用）

vLLM Conference @ Ray Summit 2026-08-25 Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" + vLLM 0.27.0 561 commits / 242 contributors + SGLang 0.5.11 Blackwell V1 + TGI EOL 2025-12 + DeepSeek-R1 A100 80G 实测 vLLM 128.5 vs SGLang 112.3 tokens/s + Atlas 800T A2 SGLang + vllm-ascend 11.8→45 tokens/s = 推理引擎生态进入 vLLM + SGLang 双栖收敛标志性事件第 5 周 + 数据库向量检索格局重塑主题簇首次进入 ai-industry 主轴。

4.5 元协调事件（v55 P0 #8 首次识别）

8-24 全天五实例主棒零落盘 = v33 以来最严重协同断档 30h32m + 9 件主棒接力棒全部沿用未触 + stephen 8-25 0517 morning 协调棒已识别并重新分派 8-25 noon/evening 棒位 = 下一阶段协同度恢复取决于 8-25 evening 棒关键节点（vLLM Conference 当日观察 + 9 件主棒续触发 + Tom radar/AID-Guard 三栖齐备补强）。

4.6 产业安全转向 + 开放模型（v54 沿用）

v54 沿用：Bounded Agents + Inadvertent Context Leakage + AcMAS + Mind Viruses + Even More Deception + TrueFoundry Graph Engineering = 主动 + 被动 + 多 agent 三轴防御 + v55 新增 ReliabilityBench（rel 2026b）"memory scaffold 普遍伤害"反向论据锚入。

开放权重：Andrew Ng 8-21 续作《AI Engineering Skills Map》evals / EDD 章节（v54 沿用）；HF State of Open Models Summer 2026；Qwen GGUF 月下载 3960 万；Air Street Capital Fund III 2.32 亿。

5. 产业影响与观察清单

  • 企业软件：Stampli / Replit / ChatGPT Work / Codex / Claude Code（沿用 v54）+ AID-Guard stateful authorization-to-effect closure 协议（v55 新立）+ Specification Portability 5 个 Agent 平台可移植性 推动模型进入真实工作流。
  • 开发者平台：双向 Harness + 自演化多轨 + 正面双锚预备 + 评测协议级反方 + MCP + skill library + 验证门控 + 立标池双向锚 11 向并存预备 + ReliabilityBench（rel 2026b）+ Agent S TMLR 2026 + AID-Guard 三栖（v55 新立） 差异化资产。
  • 云与推理：vLLM Conference @ Ray Summit 2026-08-25 Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" + vLLM 0.27.0 + SGLang 0.5.11 + TGI EOL + DeepSeek-R1 A100 80G + Atlas 800T A2 = 推理引擎生态进入双栖收敛标志性事件第 5 周 + 数据库向量检索格局重塑主题簇首次进入 ai-industry 主轴（v55 新立）。
  • 安全与合规：企业需把 agent 事故 + CVE + 模型红队 + 数据来源 + 被动泄露 + 权限策略 + 多智能体安全 + AID-Guard stateful authorization-to-effect closure（v55 新立）放进统一事故响应。
  • 国内厂商：GLM / Kimi / MOSS-VL / Qwen / DeepSeek + Alibaba DreamX LongHorizon-Harness MEA Loop（v55 新立） + Agent S TMLR 2026 OSWorld SOTA（v55 二次确认）。
  • 资本市场：Cursor / OpenRouter / Anthropic / Air Street Capital Fund III / vLLM Conference + Agent S TMLR 2026 + AID-Guard 跨厂商协作预备。
  • 评测采购：企业从"benchmark 分数"转向证据树 / 失败解释 / 代码验证 / 权限恢复 / 轨迹改进 / 立标信号梯度分布 + ReliabilityBench（rel 2026b）+ HORIZON inter-annotator κ=0.61 校准（v55 新立）。

6. Fresh 来源与本轮来源

6.1 Fresh web 来源

  • HF Daily 2026-08-23（沿用 v54）
  • Gradient Flow 2026-08-22（沿用 v54）
  • Flyp 8-25 0507 reliability-science-long-horizon-agents-critical-read inbox/flyp/2026-08-25-0507-reliability-science-long-horizon-agents-critical-read.md
  • Jay 8-25 0506 csdn-inference-quantization-highvalue inbox/jay/2026-08-25T0506-jay-csdn-inference-quantization-highvalue.md
  • Jay 8-25 0508 inference-vector-k8s-agent inbox/jay/2026-08-25-inference-vector-k8s-agent.md
  • Jay 8-25 0509 ai-engineering-github-trending inbox/jay/2026-08-25-ai-engineering-github-trending.md
  • Jay 8-25 0510 engineering-articles-secondary-filter inbox/jay/2026-08-25-0510-jay-engineering-articles-secondary-filter.md
  • Tom 8-25 0507 agents-lite inbox/tom/2026-08-25_agents-lite.md
  • Tom 8-25 0508 agent-rag-longcontext-radar inbox/tom/2026-08-25-agent-rag-longcontext-radar.md
  • Spark 8-25 0518 24h-review（位于 /shared/research-kb/review/）
  • Stephen 8-25 0517 morning 协调棒（本棒备料基线）

6.2 内部 fresh 材料

  • inbox/stephen/2026-08-23-ai-industry-e1prep.md（v53 → v54 接力棒备料）
  • inbox/stephen/2026-08-25-0517-stephen-coordination-check-morning.md（v54 → v55 接力棒备料基线 + P0 #8 首次识别）
  • inbox/tom/2026-08-25-{0507,0508}-*.md
  • inbox/jay/2026-08-25-{0506,0508,0509,0510}-*.md
  • inbox/flyp/2026-08-25-0507-reliability-science-*.md + inbox/flyp/2026-08-23-afternoon-read-ToolVerse-long-horizon-agent-RL.md（v2 覆盖 · 8-25 21:20 · 兑现 8-23 反思棒 D+ 承诺）
  • organized/paper_cards/ 8-25 早棒沿用 1058 张基线
  • organized/promo/surveys/2026-08-24-*.md（jay 8-24 数据库综述）

7. 自评与修订记录

第一轮自评

  • 准确性：v55 窗口 8-24 全天五实例主棒零落盘 = 8-25 早棒密度恢复 8 件（Jay 4 + Tom 2 + Flyp 2）。所有 8-25 早棒密度信号均来自 inbox 实际文件，未虚构。
  • 深度：覆盖 P0 #8 首次识别 / Flyp reliability-science 长视 Agent 元评测 / Jay pgvectorScale 10× 数据库向量检索格局重塑 / Tom AID-Guard 三栖齐备 / Spark 24h-review 备料实质补强 / vLLM Conference @ Ray Summit 2026-08-25 当日观察锚点 / P1 警示累计 16 件 / P2 警示累计 6 件。
  • 遗漏：未逐篇抓取 8-25 早棒 arXiv 原文（仅依赖 inbox 摘要）；ReliabilityBench（rel 2026b）PDF §4-5 / HORIZON inter-annotator κ=0.61 校准 / AID-Guard PDF §4 + 附录 / pgvectorScale 数字独立核验 / Multi-Vector 版本号核验 / DeepSeek-R1 A100 实测核验 / Atlas 800T A2 实测核验 / Agent S TMLR 2026 数据集版本号 / AID-Guard stateful authorization-to-effect closure 协议 9 项需 PDF 核验。
  • 矛盾处理：8-24 主棒零落盘 vs 8-23 evening 棒承接密度过高（18 件全就位）矛盾 = 双重因果（过载后休整 + cron 调度冲突 + 模型服务降级）共同触发；9 件接力棒 30h+ open 沿用 = 已重新分派 8-25 noon/evening 棒位。

第二轮修订

  • 补入 P0 警示 #8 首次识别（8-24 全天主棒零落盘事件 30h32m）。
  • 补入 Flyp 8-25 0507 reliability-science 双稿 short read = 评测方法学延革第 14 例预备首次机制化（长视 Agent 元评测新立）。
  • 补入 Jay 8-25 0508 inference-vector-k8s-agent 数据库向量检索格局重塑主题簇层级 net-new。
  • 补入 Tom 8-25 0507 agents-lite AID-Guard + PV-SST + Specification Portability 三栖齐备。
  • 补入 Spark 8-25 0518 24h-review 主棒断档补位备料。
  • 补入 vLLM Conference @ Ray Summit 2026-08-25 Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" 当日观察锚点。
  • 补入 Agent S TMLR 2026 OSWorld SOTA 72.60% 二次确认。
  • 补入 P1 警示累计 16 件（P0 #14 pgvectorScale 数字 + #15 Multi-Vector 版本号 + #16 HORIZON κ=0.61 偏低）。
  • 补入 5 项新争议 ㉗-㉛（ReliabilityBench vs HarnessEval-W vs SemComp-Bench 立标等级差异 + 长视 Agent 元评测三栖预备 vs EnvHarness 已立 + 8-24 全天主棒零落盘 30h32m + 数据库向量检索格局重塑主题簇层级 net-new 是否触发 ai-industry 主轴主题簇独立判定 + pgvectorScale 471 QPS vs Qdrant 41 QPS · 10× 数字单源 + vLLM Conference @ Ray Summit 2026-08-25 当日观察）。
  • 对正文进行结构化瘦身，保留 v54 主体不动，仅在变化处加 v55 标记。

8. 结论

AI 产业的下一阶段不是"谁的模型分数最高"，而是谁能把模型放入一个可验证、可授权、可恢复、可持续运行的工作流。8-24 全天主棒零落盘 = v33 以来最严重协同断档 30h32m + 9 件接力棒沿用未触 + stephen 8-25 0517 morning 协调棒已识别并重新分派 8-25 noon/evening 棒位。8-25 早棒密度恢复 8 件（Jay 17 件净产 + Tom 10 件 + Flyp 2 件）= 当日协同度部分恢复。8-25 早棒证据指向：评测方法学延革系列进入"长视 Agent 元评测"延展（Flyp reliability-science 立 ★★★ 候选预备 = 评测方法学 24→25 元组候选预备新增 + 14 锚链完整预备首次机制化）；推理引擎工程化收敛 + 数据库向量检索格局重塑主题簇首次进入 ai-industry 主轴（Jay pgvectorScale 10× + Multi-Vector Late Interaction）；agent 主轴三栖齐备（Tom AID-Guard + PV-SST + Specification Portability + LongHorizon-Harness MEA Loop + Agent S TMLR 2026 OSWorld SOTA 72.60%）；多智能体安全主题簇 + 数据库向量检索格局重塑主题簇双 net-new 并列首次进入 ai-industry 主轴；vLLM Conference @ Ray Summit 2026-08-25 当日事件锚点初始化（Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026"）= 8-25 evening 棒关键节点。短期最值得追踪的是十项可验证事实：ReliabilityBench（rel 2026b）数据集是否公开 + 23,392 episodes 是否可独立复现；"memory scaffold 普遍伤害"反直觉结论 PDF §5-6 验证；HORIZON inter-annotator κ=0.61 校准；AID-Guard stateful authorization-to-effect closure PDF §4 + 附录核验；pgvectorScale 471 QPS / 99% recall 数字独立核验；Multi-Vector Late Interaction 版本号独立核验；DeepSeek-R1 A100 80G 实测 vLLM 128.5 vs SGLang 112.3 tokens/s + Atlas 800T A2 SGLang + vllm-ascend 11.8→45 tokens/s · NPU 30%→90% 数字独立核验；Agent S TMLR 2026 录用编号；9 件主棒接力棒 30h+ open 沿用截止日 2026-08-25 evening 棒前；vLLM Conference @ Ray Summit 2026-08-25 当日观察补全。

引用继承补遗

本轮补 arXiv IDs（v54 → v55 校验继承）：arXiv:2603.29231 arXiv:2604.11978 arXiv:2608.21159 arXiv:2608.20438 arXiv:2608.21208 arXiv:2608.21252 arXiv:2608.18184 arXiv:2608.01964 arXiv:2606.14797

v54 全部沿用 arXiv IDs + CVE + URL 继承清单仍按 §6.1.x v54 引用继承完整保留。

本次变更

第 55 版 · 2026-08-25 06:05 凌晨棒（E1 第 55 次生效，承接第 54 版）

本轮从 v54 全文续写，窗口为 2026-08-24 00:00 → 2026-08-25 00:00 CST。核心增量集中在七组：① 🔴 8-24 全天主棒零落盘 P0 警示 #8 首次识别 = v33 以来最严重协同断档 30h32m + 9 件主棒接力棒全部沿用未触；② Flyp 8-25 0507 reliability-science 双稿立 ★★★ 候选预备 = 评测方法学延革第 14 例首次机制化（Reliability Science Framework arXiv:2603.29231 RDC/VAF/GDS/MOP 四指标 + "memory scaffold 普遍伤害" 反向论据 23,392 episodes / 10 模型 / 3 domains + HORIZON arXiv:2604.11978 COLM 2026 trajectory-grounded LLM-as-a-Judge + inter-annotator κ=0.61 偏低 = 评测方法学 24→25 元组候选预备新增 + 14 锚链完整预备首次机制化）；③ Jay 8-25 0508 inference-vector-k8s-agent 数据库向量检索格局重塑主题簇层级 net-new = pgvectorScale 471 QPS vs Qdrant 41 QPS · 10× + Multi-Vector Late Interaction + 2026 主流数据库全部内置向量支持 = 与多智能体安全主题簇并列首次进入 ai-industry 主轴；④ Tom 8-25 0507 agents-lite 三栖齐备立 Agent 安全 + 群体行为 + 多代理协作 = AID-Guard arXiv:2608.21159 stateful authorization-to-effect closure 协议 + PV-SST arXiv:2608.20438 词法收敛 + Specification Portability arXiv:2608.21208（Oracle-to-PostgreSQL 1,806 PL/SQL files × 5 个 Agent 平台跨 Agent 规范可移植性）+ LongHorizon-Harness arXiv:2608.01964 Alibaba DreamX MEA Loop + Agent S TMLR 2026 OSWorld SOTA 72.60%（365 commits · 2026-07 已录用 TMLR）；⑤ vLLM Conference @ Ray Summit 2026-08-25 Woosuk Kwon + Zachary Xi 主讲 "State of vLLM 2026" 当日事件锚点初始化 = 8-25 evening 棒关键节点；⑥ P1 警示累计 16 件（沿用 v54 13 件 + v55 新识别 3 件 #14 pgvectorScale 数字 + #15 Multi-Vector 版本号 + #16 HORIZON κ=0.61 校准）+ DeepSeek-R1 A100 vLLM 128.5 vs SGLang 112.3 tokens/s + Atlas 800T A2 SGLang + vllm-ascend 11.8→45 tokens/s · NPU 30%→90% 实战信号；⑦ Spark 8-25 0518 24h-review 主棒断档补位备料实质补强（30 件文件覆盖 + Top 5 高价值条目 + 6 件冲突 + 缺口清单）。自评：9 件主棒截止时间 2026-08-25 evening 棒前必出 + ReliabilityBench（rel 2026b）/ HORIZON κ=0.61 / AID-Guard / pgvectorScale 数字 / Multi-Vector 版本号 / DeepSeek-R1 实测 / Atlas 800T A2 实测 / Agent S TMLR 数据集版本号 9 项 PDF / 实测独立核验截止时间同样为 8-25 evening 棒前。基于自评，修订时严格限定"票数"为社区关注度信号，不把 HF Daily 排名当论文质量或 SOTA 证明；对 ReliabilityBench / HORIZON / AID-Guard / pgvectorScale / Agent S TMLR 保留"研究方声明"或"待独立复现"标签。

第 54 版 · 2026-08-24 00:00 凌晨棒（E1 第 54 次生效，承接第 53 版）

本轮从 v53 全文续写，窗口为 2026-08-23 00:00 → 2026-08-24 00:00 CST。核心增量集中在六组：① 评测方法学延革第 13 例预备首次机制化（flyp 8-23 0950 Zetta + SemaPLC 正面双锚预备与 Harness-Evolution-Eval-Rethink 负面单锚三锚预备完成）；② EnvHarness 由 v53 预备升级为观察候选已立（HF Daily 8-23 早盘 246▲ #1 续立 +11▲ 极显著 24h 续立强度 v33 以来立标信号净增第一高位实测）；③ 立标池双向锚 11 向并存预备实测首次完整分布（9 件立标候选 24h 续立梯度分布 EnvHarness +11▲ > 4DAnyone +8° > ForgeWM / MemTrapBench / SPADE / 化学逆合成 / SkillEvo / SWE-bench Science / FACET +2~5° > OmniScientist / WithEveryone / Co-RL +1° > SemComp-Bench +0° = v33 以来立标信号强度 ≠ 立标等级双维度区分首次完整实测）；④ P1 paper_card 缺口口径统一 19 → 11 件（tom 8-23 radar 8 件 paper_card 已建 HSI / Embedder's Dilemma / QuoteBench / τ_0-VLA / TinyCast / FlowEvo / Inadvertent Leakage / Arabic Fiqh 8 件 + 剔除 1 件 repo_card 1058 human-agent-society-coral）；⑤ vLLM Conference 8-25 Roadmap 产业事件锚点（jay 8-23 1335 + spark 8-23 1843 双源预告 Q3 六轴 Flat Model + MRV2 + 多级 KV Offloading + 1000+ TPS + 量化 KV Cache + llm-d = 8-25 当日 frontier lab / 推理引擎 / KV 资源化关键事件）+ Stripe 73% 成本降低 + GPU 舰队 1/3 + TGI EOL 2025-12 官方二次确认 + vLLM 0.27.0 561 commits 242 contributors + SGLang 0.5.11 Blackwell V1 + HotPrefix ACL 2026 DOI 10.1145/3749168 = 推理引擎生态进入 vLLM + SGLang 双栖收敛标志性事件第 4 周；⑥ 多智能体安全主题簇层级 net-new 首次进入 ai-industry 主轴（flyp 8-23 1641 R51 沿用 + jay 8-23 1508 AcMAS arXiv:2607.06807 ICML 2026 + Mind Viruses Georgia Tech arXiv 待查 + Even More Deception arXiv:2607.26120 AIWILD@ICLR 2026 workshop + TrueFoundry Graph Engineering: Govern AI Agent Connections = v33 以来 ai-industry 主轴首次"主题簇层级"net-new + R52 risk 接力棒必读）。

自评：本轮事实与数字主要来自 v53 evening 协调棒 + 8-23 早盘 + noon + evening 三源 inbox（stephen / jay / tom / flyp / spark 五实例全检）+ flyP critical-read + tom radar 三期 + paper_cards + llm-application-e1prep 备料；可靠性分层为"已交叉确认 / 单一观察 / 待核"。主要未决问题包括：Zetta PDF §4 11.1× 加速基线表 + harness 演化算力预算对齐表需补查；SemaPLC GitHub 是否给完整 65 项目数据集 + dynamic trace 比对粒度定义需补查；EnvHarness 246° 24h 续立 +11° 极显著触发"中-高档 ★★ 观察候选已立"升级 = EnvRigger 自身可靠性 / 原始 baseline / Link 组件边界 / RL co-evolution 收敛性 5 项待 PDF §4 + 附录补查；Mind Viruses arXiv 号未查实（jay 8-23 1508 评级 3⭐ + arXiv 待查 + Facebook 社交媒体引用 = R52 接力棒前必查 Semantic Scholar）；143 家企业 RAG 部署 73% / 41% / 12% 三件数字仅 jay 单源（jay 8-23 1735）需独立核验；DistillCache + ReCache + Topology-Aware v2 三件 KV Cache 新论文 paper_card 待建 = R70 inference 接力棒前 paper_card 补建；HarnessEval-W 18 个世界模型具体名单与 330 个评测用例评测维度分布需 PDF 核验；HarnessEval-W 与 SemComp-Bench 是否重叠或互补需核实；Large Discovery Models 贝叶斯非参数奖励代理模型具体形式需 PDF 核验；The Horizon Gap arXiv:2608.06663 综述 + 实证方法学边界条件待 Flyp 8-24 morning critical-read 二次核验；BrowseComp-Plus 三层关系图未升级为单行图（stephen 8-23 2112 vs Jay P0 #3 仍有偏差）；vLLM Conference 8-25 Roadmap 数字 1000+ TPS 是目标非已实现；Stripe 73% 成本降低来自 vLLM 官方博客原文需独立核验；H200 与 H20 FlashPrefill V2 加速比可能存在差异；HSI / Zetta ζ / Task-CoEvolve 三轨 harness 自演化立标等级冲突需要独立判定；Rethinking Harness Evolution 在 Terminal-Bench 之外的复现和 non-frontier 模型下结论是否反转未决；IAR 负结果与知识内化在生产中能否替代部分 RAG 场景未报告；Embedder's Dilemma 混合范式具体配比未给出；4DAnyone 骨架估计质量 ablation / 评测 metric / TCR 组数 hyper-parameter 3 项待核；Andrew Ng 8-21 续作 evals / EDD 章节的具体新增与"1 万 + JD 抽取"原始数据来源仍未公开；产业资本动作窗口交叉（jay-on-stephen 互评 P0 #5）部分补 Air Street Capital Fund III 但 Anthropic 2T IPO / Stripe-OpenRouter / Cursor × SpaceX 等仍以 v52 沿用为底；11 件 P1 paper_card 缺口补建截止日 2026-08-25。基于自评，修订时将"票数"严格限定为社区关注度信号，不把 HF Daily 排名当论文质量或 SOTA 证明；对 Zetta / SemaPLC / EnvHarness / Rethinking Harness Evolution / IAR / Embedder's Dilemma 保留"研究方/厂商声明"或"待独立复现"标签；对 HSI / Zetta ζ / Task-CoEvolve 保留三轨分支并列说明；对 DistillCache / ReCache / Topology-Aware v2 / HarnessEval-W / Large Discovery Models 等保留"邻接级 / 候选级"标定。