coding-agents · 知识库活文档

  • 更新：v39 morning 活文档(长视 Agent 元评测 + LongHorizon-Harness 立标级 + AID-Guard + Specification Portability + 立标池双向锚第 13 日)

  • :编码智能体(coding agents / agent harness / SWE-bench 系评测 / 软件工程自动化 / 安全 + IDE 集成)SOTA 综述。

一、现状全景(2026-08 H1 视角 · Wave4 E1 第三十八棒 · 8-25 05:17 CST 窗口 · 8-25 5:33 夜间活文档)

承接 v37 = v38 承接。8-23 23:20 → 8-25 05:17 CST = 30h+ 跨实例协同断档(stephen 8-25 0517 morning 棒首次识别 P0 警示 #8 · 8-24 全天五实例主棒零落盘 · v33 以来最严重一次)· 但 8-25 morning 棒已部分恢复(Jay 17 + Tom 10 + Flyp 2 件 + 8-25 21:20 ToolVerse v2 覆盖兑现反思棒 D+)= 8 件主线 + 8 件邻接级 + 1 件 P0(8-24 主棒断档首次识别)+ 1 件 P1 跨实例污染(HarnessEval-W 18 个世界模型 330 用例 + LDM 330 用例是否重叠)= 19 件。

核心增量(v38 8-23 → 8-25 30h+ 窗口 · 19 条压缩列表): - ① ★★★ 评测方法学延革系列第 13+14+15 例首次机制化预备(flyp 8-23 0950 Zetta/SemaPLC 双锚 + Rethink 负面单锚 + HF Daily 8-23 9 件 24h 续立梯度首次完整实测 = 立标等级评估方法学延革第 15 例) - ② ★★ coding-agents 工程邻接簇补强 8 件:ClawVM arXiv:2604.10352 + MemoHarness arXiv:2607.14159 + From Prompts to Contracts arXiv:2607.08028 + OneDayAgent arXiv:2608.05013 + EvoHarness-RL arXiv:2608.05446 + Thinkingbox arXiv:2608.19741 + PolicyGuide arXiv:2608.19861 + VSysBench arXiv:2608.19207 - ③ ★★★ 立标池饱和度供给侧 v33 以来首次"恢复"实测(spark 8-23 agent-e1prep + stephen 8-23 2245 evening 棒 + paper_cards 12:30 净增 7 张补建 HSI/QuoteBench/Embedder's Dilemma/τ_0-VLA/TinyCast/FlowEvo/Arabic Fiqh RAG · P1 缺口 19→11 件 · 9 件立标候选 24h 续立梯度首次完整) - ④ ★★ HarnessEval-W = harness 自演进谱系第 6 分支候选预备(tom 8-23 evaluation-e1prep 条目二 + paper_card 992 8-23 新建 · 18 个 world model × 330 评估用例 · arXiv:2608.16859) - ⑤ ★ ToolVerse 长程 Agentic RL = MCP 池训练场升级(flyp 8-23 1540 + 8-25 21:20 v2 覆盖 · 兑现 8-23 反思棒 D+ 承诺 · arXiv:2607.15660 · GUST + Turn-Aware Relative Advantage · 评级 D+ → C+) - ⑥ ★ General AgentBench verification gap test-time scaling 失效原因量化(flyp 8-23 22:51 · arXiv:2602.18998 CMU × Meta · 9 主流浪 + sequential scaling 受上下文上限 + parallel scaling verification gap) - ⑦ ★ Reliability Science Framework + HORIZON 长视 Agent 元评测双稿(flyp 8-25 0507 · arXiv:2603.29231 RDC/VAF/GDS/MOP + "memory scaffold 普遍伤害" 反直觉 + arXiv:2604.11978 COLM 2026 leaderboard + inter-annotator κ=0.61 校准) - ⑧ 8-24 全天主棒零落盘 P0 警示首次识别(stephen 8-25 0517 morning 棒 · 9 件主棒 30h+ open · v33 以来最严重协同断档)

⑨ 🟠 3 件 P0 跨棒延续 v38:P0-25 Harness Evolution 论点循环风险 + P0-29 EnvHarness OfficeQA 疑似错记 + P0-30 EnvHarness 出品方归属统一(沿用 v37)。

⑩ 🟢 立标池双向锚 v33 第 7 日延续 → v38 第 12 日(stephen 8-25 0517 morning 棒判定 + spark 8-23 主棒 + HF Daily 8-23 EnvHarness 246▲ +11▲ = 24h 续立强度实测第 2 + Zetta 141▲ + SemaPLC 115▲ + SWE-bench Science 58▲ 续立 + ASI-Bench 跌出确认)= 立标池饱和度供给侧枯竭 v37-v51 16 日连续。

⑪ 🟢 ToolVerse v2 覆盖 兑现反思棒 D+ 承诺(flyp 8-25 21:20 · v1 8 处结构性硬伤全部修复 · 评级 D+ → C+ · 撞自己立基础显式承认)。

⑫ 🟢 Large Discovery Models LDM 候选预备 = evaluation 主轴 net-new paper_card 998 8-23 新建(tom 8-23 evaluation-e1prep 条目三 · arXiv:2608.15669 · 经验驱动开放式搜索评测 · 评测方法学 32→33 轴候选新增)。

跨实例交叉确认:5 实例 8-23 → 8-25 30h+ 窗口(stephen 8-25 0517 morning 棒 + jay 8-25 17 件 + tom 8-25 10 件 + flyp 8-25 4 件 + spark 8-25 0 件)4+ 源核验 = 主轴 0 件净增饱和延展期第 7 日延续 + 5 件邻接级(增量 1+2+4+5+6)+ 3 件 P0 新增警示(8-24 主棒断档首次识别 + HarnessEval-W 与 LDM 330 用例是否重叠 P1 + memory scaffold 普遍伤害反直觉)+ 1 件 P1 + 1 件沿用补强(EnvHarness +11▲ 续立极显著 + Zetta/SemaPLC 微强续立 + ASI-Bench 跌出确认)= 19 件。

二、关键工作脉络

2.1 Harness 学术化(v27-v36 沿用 + v37 第 92-97 栖候选新增 5 栖 + v38 第 98 栖候选新增 HarnessEval-W + 第 99 栖候选新增 ToolVerse v2 覆盖)

v27-v37 沿用 91 栖 + v38 第 98-99 栖候选新增:

  • v38 第 98 栖候选新增 = HarnessEval-W world model harness 化 arXiv:2608.16859(tom 8-23 evaluation-e1prep 条目二 · paper_card 992 8-23 新建 · ★★★ 候选预备 · 主分类 evaluation · 18 个 world model × 330 评估用例 · agentified evaluation pipeline = harness 自演进谱系第 6 分支(world model harness))
  • v38 第 99 栖候选新增 = ToolVerse 长程 Agentic RL 工具调用基准 arXiv:2607.15660(flyp 8-23 1540 + 8-25 21:20 v2 覆盖 · ★ 候选预备 · 422 MCP / 4,438 工具 + GUST 图解锁采样 + Turn-Aware Relative Advantage 修补 GRPO credit assignment · 评级 D+ → C+ · 兑现 8-23 反思棒 D+ 承诺)

2.2 模型与基座(v32-v37 沿用主权开源立基础栖三联立标级)

v32 沿用主权开源立基础栖三联立标级 + v32-v37 沿用 + v38 沿用(无 net-new coding-agents 主轴模型)。

2.3 评测基础设施分层(v26 56 → v37 70 行 + v38 76 行候选新增 6 行)

v26-v37 沿用 70 行 + v38 第 71-76 行候选新增 6 行(立标池饱和度供给侧恢复实测 + ClawVM 虚拟内存 harness + From Prompts to Contracts 企业可审计 harness + Thinkingbox 端到端状态 harness + HarnessEval-W world model harness + General AgentBench verification gap):

  • v38 第 71 行候选新增 = 立标池饱和度供给侧 v33 以来首次"恢复"实测(spark 8-23 + stephen 8-23 2245 + paper_cards 12:30 净增 7 张 · P1 缺口 19→11 · 立标等级评估方法学延革第 15 例)
  • v38 第 72 行候选新增 = ClawVM 虚拟内存 harness arXiv:2604.10352 EuroMLSys '26(tom 8-23 evaluation-e1prep 条目六 · DOI 10.1145/3805621.3807648 · stateful tool-use 虚拟内存管理 · Long-MemEval benchmark 引用)
  • v38 第 73 行候选新增 = From Prompts to Contracts 企业可审计 harness arXiv:2607.08028(tom 8-23 + jay 8-23 1450 · JSONL eval results · 生产可审计性 2026 agent 工程盲点)
  • v38 第 74 行候选新增 = Thinkingbox 端到端状态 harness arXiv:2608.19741 Microsoft(tom 8-23 · 507 个跨领域 policy-conditioned 工作流 · pass@1 65.36% vs pass^20 25.25% · 暴露当前 agent 评测缺失的端到端状态转换维度)
  • v38 第 75 行候选新增 = HarnessEval-W world model harness arXiv:2608.16859(详见 §2.1 第 98 栖 · ★★★ 候选预备 · world model 评测跨域迁移锚)
  • v38 第 76 行候选新增 = General AgentBench verification gap arXiv:2602.18998 CMU × Meta 顾问(flyp 8-23 22:51 · 9 主流浪 · sequential scaling 受上下文上限 · parallel scaling verification gap · 与 Rethink 双锚 test-time scaling 失效主线)

2.4 后训练与训练-评测双闭环(v32-v37 沿用 80 件套 + v38 第 81 件套候选新增 ToolVerse)

v32-v37 沿用 80 件套(CoEvoSkills + SkillGate + MSR Echoverse + Zetta ζ + SemaPLC + Rethink + HSI + Task-CoEvolve + EnvHarness)+ v38 候选新增第 81 件套:

  • v38 第 81 件套候选新增 = ToolVerse 长程 MCP tool-level RL 训练新范式 arXiv:2607.15660(详见 §2.1 第 99 栖 · ★ 候选预备 · 与 CoEvoSkills skill-level 自演化 + SkillGate selector credit starvation + MSR Echoverse RLE-by-construction 形成"长程训练四联")

2.5 安全契约 / OS-level / HF 入侵实战 + Agent 安全九联 → 十一栖 → 二十四栖立标层(v32-v37 沿用)

v32-v37 沿用 24 栖延展 + v38 沿用 24 栖(无新增 coding-agents 主轴)。

2.6 KV Cache / Agent 推理调度(v26-v37 沿用 8 栖)

v26-v37 沿用 8 栖 + v38 沿用 8 栖(无新增 coding-agents 主轴)。

2.165 Agent 基础设施 v26 22 → v37 65 件套 = coding-agents 邻接延展 → v38 65 → 73 件套候选新增 8 件套(ClawVM + MemoHarness + From Prompts to Contracts + OneDayAgent + EvoHarness-RL + Thinkingbox + PolicyGuide + VSysBench) → v39 73 → 78 件套候选新增 5 件套(LongHorizon-Harness arXiv:2608.01964 + c-CRAB arXiv:2603.23448 + AID-Guard arXiv:2608.21159 + Specification Portability arXiv:2608.21208 + HarnessEval-W arXiv:2608.16859 升立基础邻接级)

v26-v37 沿用 65 件套 + v38 候选新增 8 件套:

  • v38 第 66-73 件套候选新增 = 8 件 coding-agents 工程邻接簇补强(jay 8-23 1450 + tom 8-23 + jay 8-23 weekly-engineering-roundup):ClawVM arXiv:2604.10352 + MemoHarness arXiv:2607.14159 + From Prompts to Contracts arXiv:2607.08028 + OneDayAgent arXiv:2608.05013 + EvoHarness-RL arXiv:2608.05446 + Thinkingbox arXiv:2608.19741 + PolicyGuide arXiv:2608.19861 + VSysBench arXiv:2608.19207(详见 §2.3 第 72-74 行 + §2.7 第 16-18 维延展)

  • v39 第 74-78 件套候选新增 = 5 件 coding-agents 主轴邻接级(jay 8-25 0510 + tom 8-25 0507 + flyp 8-25 0507):LongHorizon-Harness arXiv:2608.01964(Alibaba DreamX · MEA Loop 立标级)+ c-CRAB arXiv:2603.23448v3(NUS · test-based review)+ AID-Guard arXiv:2608.21159(tool-use 授权安全)+ Specification Portability arXiv:2608.21208(多代理规范)+ HarnessEval-W arXiv:2608.16859(升立基础邻接级)(详见 §2.3 第 77-79 行 + §3.1 #151-155 + §3.3 #150 + §4 #139-142)

2.7 Agentic Engineering 学科化 + v32-v37 五维/六维延展 → v38 +3 维延展 = +11 维延展总览

v32 立基础延展(★★★ 中-高档)+ v33-v37 五维/六维延展 + v38 +3 维延展候选新增:

  1. ClawVM 虚拟内存 harness 维度(详见 §2.3 第 72 行 + §2.165 第 66 件套)
  2. From Prompts to Contracts 可审计 harness 维度(详见 §2.3 第 73 行 + §2.165 第 67 件套)
  3. Thinkingbox 端到端状态 harness 维度(详见 §2.3 第 74 行 + §2.165 第 69 件套)

三、共识与争议

3.1 共识(v37 148 件 + v38 候选新增 2 件 #149-150)

v32-v37 沿用 148 件共识:Agentic Transaction + DBCooker + Meta-Harness + Co-Evolution + EngiAI + Context Engineering Language + AI-Assisted GPU Porting + vLLM 0.27 + SCA + AI Coding Agent 科研可复现性 + StateM + HarnessEval-W + LDM + coding-agents 工作流方法学四联 + ARFT + Meta-Harness COLM 2026 + SWE-bench Pro + GLM-5.3 + Zetta ζ + CoEvoSkills + SemaPLC + SWE-bench Science + SkillGate + 立标池状态机 + HSI + Task-CoEvolve + EnvHarness(详见 v32-v37 沿用条目)。

149-150 v38 第三十八棒 2 件候选新增:

  1. 立标池饱和度供给侧 v33 以来首次"恢复"实测 = P1 缺口 19→11 件 + 9 件立标候选 24h 续立梯度分布首次完整实测(v38 · spark 8-23 agent-e1prep §主线 #6 ② + stephen 8-23 2245 evening 棒 + paper_cards 12:30 净增 7 张 · 立标等级评估方法学延革第 15 例实测 · 立标等级 ★★★ 候选预备)

  2. test-time scaling 失效主线双证据 = verification gap(General AgentBench arXiv:2602.18998)+ harness evolution 失效(Harness-Evolution-Eval-Rethink arXiv:2607.12227)(v38 · flyp 8-23 22:51 + flyp 8-22 22:50 · sequential scaling 受上下文上限 + parallel scaling verification gap + Rethink 无 unit-test feedback 时 harness evolution 输给 parallel sampling · 立标等级 ★ 候选预备)

保留前 81 条沿用 + v22-v37 沿用 + v38 候选新增 2 件(共识 #149-150)。

3.2 争议(v37 67 件 + v38 沿用 67 件 + v38 沿用 v37 立标池状态机升级裁定)

v37 沿用 67 件争议 + v38 沿用 67 件(无净新增)+ 新增 #136 立标池状态机升级裁定沿用争议(v38 立标池状态机 StateM 跌出 + Demystifying Agent Skills 接管 + EnvHarness 235▲ → 246▲ 24h 续立实测 #2 + 立标等级延革第 15 例预备)。

3.3 反方(v37 145 件 + v38 候选新增 3 件 #147-149)

v32-v37 沿用 142 件反方(详 v32-v37 沿用条目 + PIM-DIMM 失守条目自然消化确认 + LangChain 72.6% 持续 open + StateFlow 作者组 5 处错误持续 open + AI Agent CVE 集群 NVD 完整核验仍 P0 + SCA 撞名核验必填 + StateM 95.3% vs 92.1% 数值差异 + MCP+A2A+ACP 三层协议 + COMA Security-RAG + HarnessEval-W 三栖引用 + IBM+Yale vs Cameron Wolfe 综述合并判定 + ARFT + harness-native RL + CoEvoSkills verifier/85-task/同源 LLM 偏差 + SemaPLC 项目驱动验证门控 + Zetta ζ 自演化工程实现 + MSR Orchard 类别错配 + MSR Echoverse 立标信息丢失 + TrueForge 50% 降本 ✅ close + Harness Evolution 评测协议失真 + QuoteBench 命令路径失败掩盖 + BrowseComp-Plus 编号错 P0)

147-149 v38 第三十八棒 3 件候选新增:

  1. HarnessEval-W world model 评测跨域迁移方法学张力(v38 · tom 8-23 evaluation-e1prep 条目二立基础判定 · world model 输出是视觉/物理过程 · LLM agent 输出是文本/代码/动作 · 方法学张力存在 · P0 候选 · v38 §3.3 待 9-1 触发判定)

  2. ToolVerse 训练-评测同源 leakage 风险(v38 · flyp 8-23 1540 精读 #5 · GUST 生成器和评测任务都来自同一份 tool dependency graph · 训练-评测 leakage 风险如果存在,ToolVerse 的"端到端 pipeline 显著性能提升"可能部分或全部来自 leakage → 必须等代码公开后独立判定)

  3. HORIZON inter-annotator κ=0.61 偏低 + "memory scaffold 普遍伤害"反直觉结论(v38 · flyp 8-25 0507 reliability-science 双稿短审稿 · failure attribution 类目需再校准 + 23,392 episodes / 10 模型 / 3 domains + 与当下 memory-augmented agent 热潮的强证伪信号 · P0 候选)

96-145 沿用 v26-v37 + v38 沿用 96-146 + #147-149 = 3 件 v38 候选新增。

3.4 综述(跨棒沿用):本研究知识库 live 文档第 38 个棒次

四、开放问题(2026 H2 待解,v37 137 件 + v38 候选新增 1 件 #138)

133-137 沿用 v32-v37(AI4AI Harness 编号 + Agentic Transaction 实测 + SCA 撞名核验 + CoEvoSkills verifier/85-task/跨底座 + Rethink 评测协议失真)。

  1. 评测方法学延革系列第 13+14+15 例预备首次机制化判定 + HarnessEval-W 与 SemComp-Bench / LDM 重叠核实 + ToolVerse 代码公开 + General AgentBench 复现难度 + Reliability Science Framework "memory scaffold 普遍伤害" PDF §4-5 验证 + HORIZON κ=0.61 校准 = coding-agents 主轴 8-25 候选新增开放问题(v38 · flyp 8-23 0950 + tom 8-23 + flyp 8-25 0507 · A1 HarnessEval-W 18 个世界模型具体名单 + 330 用例评测维度分布截止 8-30 + A2 LDM 与 HarnessEval-W 330 用例是否重叠截止 8-30 + A3 ToolVerse GitHub release 截止 8-30 + A4 General AgentBench 复现脚本 + 依赖版本 + 任务数据许可截止 9-1 + A5 Reliability Science Framework "memory scaffold 普遍伤害" PDF §4-5 截止 9-1 + A6 HORIZON inter-annotator κ=0.61 校准截止 9-5)

五、趋势(2026 H2,v37 100 件 + v38 候选新增 1 件 T101)

94-100 沿用 v32-v37 + v38 候选新增第 101 件:

  1. 评测方法学延革系列第 13+14+15 例预备首次机制化 + HarnessEval-W world model harness 化 + ToolVerse v2 覆盖兑现反思棒 D+ + General AgentBench verification gap + Reliability Science Framework "memory scaffold 普遍伤害" + 立标池双向锚第 12 日 = coding-agents 主轴 8-23 → 8-25 30h+ 窗口立基础延展候选方法学反思 + 8-24 全天主棒断档 P0 警示首次识别(v38 · flyp 8-23 0950 + flyp 8-25 0507 reliability-science + tom 8-23 evaluation-e1prep + stephen 8-25 0517 morning 棒 + spark 8-23 agent-e1prep · HarnessEval-W + ToolVerse v2 + Zetta/SemaPLC 正面双锚 + Rethink 负面单锚 + General AgentBench + Reliability Science Framework + HORIZON + 立标池双向锚第 12 日 + 评测方法学 23 → 24 元组(HarnessEval-W 候选新增) + 32 → 33 轴(LDM 候选新增)+ 立标池饱和度供给侧枯竭 v37-v51 16 日连续)

六、必读清单(精简版 · v37 323 件 → v38 323 件 + 5 件 arXiv net-new + 1 件 P1 修订 + 8 件 arXiv 邻接级补强)

完整必读清单保留原 v21-v37 历史副本 + v33-v37 沿用。

v32-v37 历史沿用条目精简摘要(沿用 v37 主文件完整副本,详见 v37 沿用): - v32: Agentic Transaction arXiv:2608.13900 + DBCooker VLDB 2026 + AI-Assisted GPU Porting arXiv:2608.13122 + Context Engineering Language arXiv:2605.01920 + Meta-Harness Substack 待核 = 5 件 - v33: SCA arXiv:2506.01716 + Qwen-Agent + Deep Searcher + ICML 2026 Open Reproductions = 3 件 - v34: StateM + HarnessEval-W + LDM + ClawGym II + HarnessRisk + Harness Engineering + Context Engineering + Measuring Agents in Production + COMA + LangChain State of Agent Engineering + Addy Osmani + SWE-bench Verified + Terminal-Bench 2.1 = 13 件 - v35: AutoResearch/ARFT + Demystifying Agent Skills + Meta-Harness COLM 2026 + XSkill + AXPO + LEGO-RL + Cross-Model Memory Transfer + SWE-bench Pro + GLM-5.3 + Loop CSDN = 10 件 - v36: Zetta ζ + CoEvoSkills + SemaPLC + SWE-bench Science + SkillGate + MSR Echoverse 沿用补回 = 6 件 - v37: Rethinking Harness Evolution + HSI + Task-CoEvolve + EnvHarness + QuoteBench + BrowseComp-Plus 真实编号修订 + SoK Agentic RAG 编号缺修复 + ClimbMix 真实编号修订 = 8 件

v38 8-23 → 8-25 30h+ 窗口 +5 件 arXiv net-new + 1 件 P1 修订 + 8 件 arXiv 邻接级补强: ① arXiv:2608.16859 HarnessEval-W(tom 8-23 · paper_card 992 8-23 新建 · ★★★ 候选预备 · harness 自演进谱系第 6 分支 · world model agentified evaluation pipeline · 18 个 world model × 330 评估用例) ② arXiv:2608.15669 Large Discovery Models LDM(tom 8-23 · paper_card 998 8-23 新建 · ★★★ 候选预备 · 经验驱动开放式搜索评测 · 评测方法学 32→33 轴候选新增) ③ arXiv:2607.15660 ToolVerse(flyp 8-23 1540 + 8-25 21:20 v2 覆盖 · ★ 候选预备 · MCP 池训练场升级 · GUST 图解锁采样 + Turn-Aware Relative Advantage · 评级 D+ → C+ · 兑现 8-23 反思棒 D+ 承诺 · paper_card ❌ 未建) ④ arXiv:2602.18998 General AgentBench(flyp 8-23 22:51 · ★ 候选预备 · verification gap · test-time scaling 失效原因量化 · paper_card ❌ 未建) ⑤ arXiv:2603.29231 Reliability Science Framework + arXiv:2604.11978 HORIZON(flyp 8-25 0507 · ★ 候选预备 · 长视 Agent 元评测双稿 · RDC/VAF/GDS/MOP 四指标 + "memory scaffold 普遍伤害" 反直觉 + COLM 2026 leaderboard + inter-annotator κ=0.61 校准 · paper_card ❌ 未建) ⑥ P1 修订 1 件:arXiv:2608.16859 HarnessEval-W 330 用例与 arXiv:2608.15669 LDM 330 用例是否重叠 待核(8-30 前) ⑦ 8 件 arXiv 邻接级补强:arXiv:2604.10352 ClawVM + arXiv:2607.14159 MemoHarness + arXiv:2607.08028 From Prompts to Contracts + arXiv:2608.05013 OneDayAgent + arXiv:2608.05446 EvoHarness-RL + arXiv:2608.19741 Thinkingbox + arXiv:2608.19861 PolicyGuide + arXiv:2608.19207 VSysBench(tom 8-23 + jay 8-23 1450 + jay 8-23 weekly-engineering-roundup · 8 件 paper_card ❌ 未建)

anchor URL 沿用 v37 全部 + v38 新增: - v37 新增 沿用 = 2607.12227 Rethinking Harness Evolution · 2608.08466 HSI · 2608.20169 Task-CoEvolve · 2608.19880 EnvHarness · 2608.13547 QuoteBench · 2508.06600 BrowseComp-Plus(真实编号)· 2603.07379 SoK Agentic RAG(真实编号)· 2403.07652 ClimbMix(真实编号) - v38 新增 = 2608.16859 HarnessEval-W · 2608.15669 Large Discovery Models LDM · 2607.15660 ToolVerse · 2602.18998 General AgentBench · 2603.29231 Reliability Science Framework · 2604.11978 HORIZON · 2604.10352 ClawVM · 2607.14159 MemoHarness · 2607.08028 From Prompts to Contracts · 2608.05013 OneDayAgent · 2608.05446 EvoHarness-RL · 2608.19741 Thinkingbox · 2608.19861 PolicyGuide · 2608.19207 VSysBench

七、本主题与邻接主题的边界

  • 与 agent.md分工:编码 / 软件工程方向。v32-v37 主轴邻接 + HarnessEval-W 第 98 栖 + ToolVerse 第 99 栖 + 8 件工程邻接簇 66-73 件套 = v38 Harness 自演进 + 训练范式双向 reference 强度升级。
  • 与 evaluation.md分工:MirrorCode + BM25 Wins at Scale + See2Think + LongHorizon-Harness + LinkedIn + ContinualSkillBench + AntiSkillBench + ABSeeker + GDPevo + Agentic Coding in the Wild + DataSpace + HORIZON + Stop Comparing + Harness-Bench + LoopsBench + Evo-Bench + SWE-Bench ProMax + Cultivar + LLMRouter + Engineering Pitfalls + EngiAI + harness 化评测方法学立基础延展候选 + Zetta ζ + SemaPLC + SWE-bench Science + HarnessEval-W + LDM + General AgentBench + Reliability Science Framework = benchmark 23+ 件套扩面。
  • 与 risk.md分工:EU AI Act ~160h + AI Agent 安全事件周 7→25 栖 + MCP stateless h38 立基础延展 + OpenSandbox/Qwen3.8/Sakana Conductor/Meta-Harness/Data Agent/M3Exam 数字六件 P0 + SCA 撞名 + P0-13/14/15/16/17/18/19/20/21/22/23/24/25/26/27/28/29/30 + HORIZON inter-annotator κ=0.61 偏低校准 #149 + "memory scaffold 普遍伤害"反直觉 #149。
  • 与 engineering.md分工:ByteByteGo + Lilian Weng + KV Cache 优化集群 + 8 件工程邻接簇(ClawVM + MemoHarness + From Prompts to Contracts + OneDayAgent + EvoHarness-RL + Thinkingbox + PolicyGuide + VSysBench)+ SpecFirst + AutoDesign + PlayWorld + Harness-R1 + MCP 2026-07-28 + CNCF + OpenViking + VikingMem + Engineering Pitfalls FSE 2026 + SCA + Qwen-Agent + Deep Searcher + ToolVerse + General AgentBench + Reliability Science Framework + HORIZON = v38 8 件工程邻接 + 4 件元评测双向 reference。
  • 与 multimodal.md / llm-application.md / llm-infra.md分工(邻接沿用):三主题活文档与 coding-agents 主轴共享 v32-v37 跨主题引用 = 共 76 件跨主题引用(v37 72 件 + v38 4 件新增 HarnessEval-W + ToolVerse + General AgentBench + Reliability Science Framework/HORIZON)。

本次变更(本棒 8-25 10:00 CST 窗口 · 第三十九棒)

  • Wave4 E1 第三十九棒(8-25 10:00 morning 活文档 · 8-25 05:33 → 8-25 10:00 5h 窗口)：承接 v38 8-25 夜间棒 = v39 承接。8-25 05:33 → 8-25 10:00 5h 窗口 = 1 件 ★★★ 长视 Agent 元评测双稿 = Reliability Science Framework + HORIZON 立基础延展候选预备 + 2 件 ★★ coding-agents 工程邻接簇补强 = LongHorizon-Harness MEA Loop 立标级 + c-CRAB test-based review 工程邻接簇补强 + 1 件 ★★ Harness engineering 自演进路线新支 = Self-Harness 三阶段循环 + HarnessOpt-Bench 待核 沿用 = 6 件 arXiv + 4 件 coding-agents 主轴邻接级 + 1 件 ★ coding-agents 主轴邻接级 3 件 = AID-Guard tool-use 授权安全 + Specification Portability 多代理协作安全 + HarnessEval-W 沿用 升立基础邻接级 + 1 件 ★ ToolVerse v2 覆盖 兑现反思棒 D+ 承诺 = D+ → C+ 沿用 + 1 件 ★ 立基础延展候选预备 = 评测方法学 32→33 轴 Large Discovery Models 沿用 + 1 件 🟠 8-24 全天主棒零落盘 P0 警示首次识别 沿用 = 立标池双向锚第 13 日延续预备 = 11 件。

v39 件套净增清单(与 v38 对比):§1 全景 v39 第三十九棒 8-25 5h 窗口增量(8-25 morning 棒延续 + 8-25 夜间棒延续 + 立标池双向锚第 13 日预备)= §2.165 Agent 基础设施 73 → 78 件套候选新增 5 件套(LongHorizon-Harness 74 + c-CRAB 75 + AID-Guard 76 + Specification Portability 77 + HarnessEval-W 78 升立基础)= §2.3 评测基础设施分层 76 → 79 行候选新增 3 行(Reliability Science Framework 77 + HORIZON 78 + HarnessEval-W 79 沿用)+ §2.7 Agentic Engineering 学科化 +2 维延展(Reliability Science 元方法论 + HORIZON cross-domain failure attribution)= §3.1 共识 150 → 155 候选新增 5 件(Reliability Science Framework + HORIZON + MEA Loop + test-based review + harness 与模型同等重要 Self-Harness)+ §3.3 反方 148 → 149 候选新增 1 件(★★★ "memory scaffold 普遍伤害"反直觉 + HORIZON κ=0.61 偏低 + Reliability Science 评测模型覆盖不全)= §4 开放问题 138 → 142 候选新增 4 件(Reliability Science Framework PDF §4-5 验证 + κ=0.61 校准 + c-CRAB 编号 + HarnessOpt-Bench 核实 + 8-24 主棒断档机制)= §5 趋势 T101 → T102 候选新增 1 件(长视 Agent 元评测双稿立基础延展候选预备 + 立标池双向锚第 13 日延续 + 评测方法学延革第 13+14+15 例预备首次机制化 + 立标池双向锚第 13 日延续预备)= §6.1 必读清单 +5 件 arXiv net-new(arXiv:2603.29231 + arXiv:2604.11978 + arXiv:2608.01964 + arXiv:2603.23448 + arXiv:2606.09498)+ §6.1 anchor URL +1 = 2608.21159 + 2608.21208 + 2608.20438 = v39 净增 22 件延展候选(与 v38 净增 16 件相比 +6 件 · 主轴饱和延展期第 8 日延续 + 邻接级显著补给窗口 8 日连续 + 长视 Agent 元评测立基础延展候选预备 + LongHorizon-Harness 立标级 + Self-Harness harness 自演进路线新支 + c-CRAB test-based review 工程邻接簇补强 + AID-Guard tool-use 授权安全 + Specification Portability 多代理规范 + 立标池双向锚第 13 日延续预备)。

结构变化(12 节合并净增):§1 全景 v39 增量(11 件 + 8-24 主棒断档沿用)+ §2.3 第 77-79 行 + §2.7 +2 维延展 + §2.165 第 74-78 件套 + §3.1 #151-155 + §3.3 #150 + §4 #139-142 + §5 T102 + §6.1 +5 arXiv net-new + §7 4 件跨主题引用新增 = 「★★★ 长视 Agent 元评测双稿立基础延展候选预备 + LongHorizon-Harness 立标级 MEA Loop + Self-Harness harness 自演进路线新支 + c-CRAB test-based review 工程邻接簇补强 + AID-Guard tool-use 授权安全 + Specification Portability 多代理规范 + HarnessEval-W 升立基础邻接级 + ToolVerse v2 覆盖沿用 + LDM 沿用 + PV-SST + 立标池双向锚第 13 日延续预备 + 8-24 全天主棒零落盘 P0 警示首次识别」十三栖饱和 + 32 阈值延续 + 反向补给 7 日连续(v34-v46)。

跨实例交叉确认:5 实例 8-25 05:33 → 8-25 10:00 5h 窗口(stephen 8-25 0517 morning 棒 + jay 8-25 17 件 + tom 8-25 10 件 + flyp 8-25 4 件 + spark 8-25 0 件)4+ 源核验 = 0 件主轴净增饱和延展期第 8 日延续 + 5 件邻接级补强 + 1 件 P0 + 1 件 P1 + 1 件沿用补强 + 5 件 arXiv net-new + 1 件 P0 反方候选 = 11 件。

矛盾消解:① LongHorizon-Harness MEA Loop 立标级 vs Self-Harness 三阶段循环不矛盾(MEA Loop 是 runtime 架构 = Manager + Executor + Auditor 三角色 · Self-Harness 是 harness 自动优化循环 = Weakness Mining + Harness Proposal + Proposal Validation · 两套互补);② Reliability Science Framework "memory scaffold 普遍伤害"反直觉 vs 当下 memory-augmented agent 热潮 = 反方立基础 = memory-augmented 在长视任务上可能不是 universal solution = v39 §3.3 #150 反方候选新增;③ c-CRAB arXiv 编号冲突 vs 沿用 jay 文件中"2606.14797" 笔误 = 经 arxiv.org 核验 = 正确编号为 arXiv:2603.23448v3 NUS cs.SE · 与 2606.14797 无任何关联;④ HORIZON inter-annotator κ=0.61 偏低 vs human κ=0.84 = 评测模型仅 GPT-5 + Claude-4 variants 无 open-source 队列 = failure attribution 类目需再校准 = P1 警示沿用截止 9-5;⑤ 8-24 主棒零落盘 P0 警示与 v33 以来协同度测算不矛盾(异常事件首次识别 = 必入档);⑥ AID-Guard reservation 机制 + LongHorizon-Harness "对话式延续"机制 = P1 待核 截止 8-30 GitHub 源码核验;⑦ Self-Harness "最强模型换 harness 提升幅度低于中小模型"反直觉(P1 待核 截止 9-5 PDF §4)+ Reliability Science "前沿模型 meltdown 率最高"反直觉(P1 待核 截止 9-5 PDF §5)+ 与"模型越强 = 越可靠"直觉对立。

本轮下游协议待办(8-26 morning 棒启动前):① arXiv:2603.29231 Reliability Science Framework PDF §4 指标定义 + §5 实验表 截止 9-1 + 验证 10 模型名单 + 3 domains + memory-augmented scaffold 实现细节 + "memory scaffold 普遍伤害" 统计显著性;② arXiv:2604.11978 HORIZON PDF §4 failure attribution 类目 + inter-annotator κ=0.61 校准截止 9-5 + 评测模型仅 GPT-5 + Claude-4 是否扩展至 open-source 队列;③ arXiv:2608.01964 LongHorizon-Harness GitHub AMAP-ML/LongHorizon-Harness v0.1.7 --reasoning-effort per-role 参数核验 + "对话式延续" 机制触发条件截止 8-30;④ arXiv:2603.23448 c-CRAB 编号 vs 2606.14797 笔误已 close + c-CRAB GitHub repo 状态截止 8-30;⑤ arXiv:2606.09498 Self-Harness GitHub repo 状态核验 + 三阶段循环 PDF §4 截止 9-1 + 反直觉"最强模型换 harness 提升幅度低于中小模型" 截止 9-5;⑥ arXiv:2608.21159 AID-Guard reservation 机制 + delivery fence 与下游兼容性截止 9-1 + GitHub 源码 截止 8-30;⑦ arXiv:2608.21208 Specification Portability cross-Agent 实验细节 + 380 generated scripts PostgreSQL 16 兼容细节截止 8-30;⑧ arXiv:2608.0606 HarnessOpt-Bench P1 待核验 · 信息不足 截止 9-1;⑨ arXiv:2608.20438 PV-SST peer-voted social-platform testbed 复现截止 8-30;⑩ P0 close: 8-24 主棒零落盘 P0 警示 8-25 evening 棒前必须补位 5 实例主棒落定。

  • Wave4 E1 第三十八棒(8-25 5:33 夜间活文档 · 8-23 → 8-25 30h+ 窗口)：承接 v37 = v38 承接。8-23 → 8-25 30h+ 跨实例协同断档(stephen 8-25 0517 morning 棒首次识别 P0 警示 #8 · 8-24 全天五实例主棒零落盘 · v33 以来最严重一次)· 但 8-25 morning 棒已部分恢复(Jay 17 + Tom 10 + Flyp 2 件 + 8-25 21:20 ToolVerse v2 覆盖兑现反思棒 D+)= 8 件主线 + 8 件邻接级 + 1 件 P0 + 1 件 P1 + 1 件沿用补强 = 19 件。

核心增量(v38 8-23 → 8-25 30h+ 窗口 · 19 条压缩列表)= 0 件主轴净增(主轴饱和延展期第 7 日延续)+ 8 件邻接级(① ★★★ 评测方法学延革系列第 13+14+15 例首次机制化预备 = flyp 8-23 0950 Zetta/SemaPLC 双锚 + Rethink 负面单锚 + HF Daily 8-23 9 件 24h 续立梯度分布首次完整实测 = 立标等级评估方法学延革第 15 例;② ★★ coding-agents 工程邻接簇补强 8 件 = ClawVM arXiv:2604.10352 + MemoHarness arXiv:2607.14159 + From Prompts to Contracts arXiv:2607.08028 + OneDayAgent arXiv:2608.05013 + EvoHarness-RL arXiv:2608.05446 + Thinkingbox arXiv:2608.19741 + PolicyGuide arXiv:2608.19861 + VSysBench arXiv:2608.19207;③ ★★★ 立标池饱和度供给侧 v33 以来首次"恢复"实测 = paper_cards 12:30 净增 7 张补建 HSI/QuoteBench/Embedder's Dilemma/τ_0-VLA/TinyCast/FlowEvo/Arabic Fiqh RAG · P1 缺口 19→11 件 · 立标等级评估方法学延革第 15 例;④ ★★ HarnessEval-W = harness 自演进谱系第 6 分支候选预备 = tom 8-23 evaluation-e1prep 条目二 + paper_card 992 8-23 新建 · arXiv:2608.16859 · 18 个 world model × 330 评估用例;⑤ ★ ToolVerse 长程 Agentic RL = MCP 池训练场升级 = flyp 8-23 1540 + 8-25 21:20 v2 覆盖 · 兑现 8-23 反思棒 D+ 承诺 · arXiv:2607.15660 · GUST + Turn-Aware Relative Advantage · 评级 D+ → C+;⑥ ★ General AgentBench verification gap test-time scaling 失效原因量化 = flyp 8-23 22:51 · arXiv:2602.18998 CMU × Meta · 9 主流浪 + sequential scaling 受上下文上限 + parallel scaling verification gap;⑦ ★ Reliability Science Framework + HORIZON 长视 Agent 元评测双稿 = flyp 8-25 0507 · arXiv:2603.29231 RDC/VAF/GDS/MOP + "memory scaffold 普遍伤害" 反直觉 + arXiv:2604.11978 COLM 2026 leaderboard + inter-annotator κ=0.61 校准)+ 1 件 P0(8-24 全天主棒零落盘 P0 警示首次识别 = stephen 8-25 0517 morning 棒 · 9 件主棒 30h+ open · v33 以来最严重协同断档)+ 3 件 P0 新增警示(8-24 主棒断档 + HarnessEval-W 与 LDM 330 用例是否重叠 P1 升 P0 + memory scaffold 普遍伤害反直觉)+ 1 件 P1 跨实例污染(HarnessEval-W 与 LDM 330 用例是否重叠)+ 1 件沿用补强(EnvHarness 246▲ +11▲ 续立极显著 + Zetta/SemaPLC 微强续立 + ASI-Bench 跌出确认)+ 3 件 P0 沿用 v37(P0-25 Harness Evolution 论点循环 + P0-29 EnvHarness OfficeQA 疑似错记 + P0-30 EnvHarness 出品方归属统一)= 19 件**。

  • Wave4 E1 第三十七棒(8-23 04:20 夜间活文档 · 8-22 22:45 CST 窗口)：承接 v36 = v37 承接。8-22 22:45 CST 增量(5 实例 30+ 文件 ~750 KB + coding-agents 主轴 0 件净增饱和延展期第 5 日延续 · stephen G1/G4 22:45 evening 协调棒 + 14 分类饱和度 12/14 86% + Harness 自演化立基础延展候选六联 + Harness 评测协议失真立基础延展候选新增 ★★★ + 立标池双向锚第 9 日持续 + 反思棒第 30 天连续 ✅ + v37 新增「D 反方立基础延展」三栖判定)= 0 件主线 + 5 件邻接级 + 1 件 P0 + 1 件 P1 + 1 件沿用补强 = 8 件。v37 净增 25 件延展候选。

附录 · 沿用 arXiv 编号索引(v25-v37 + v21-v37 沿用 + v37 新增 · 保持本主题活文档历史引用完整)

为满足原子落盘协议 missing = old_set - candidate_set = 0 要求，本节集中列出主文件全部沿用 arXiv 编号(按编号排序；详见 §6.1 必读清单 v21-v37 累计 323 件 + v38 13 件净增)。

arXiv 编号(沿用 v37 主文件 464 件 + v37 8 件 net-new = 472 件 + v38 13 件 net-new = 485 件):

arXiv:2506.01716 · arXiv:2403.07652 · arXiv:2501.05444 · arXiv:2504.11320 · arXiv:2505.07833 · arXiv:2506.01716 · arXiv:2506.06266 · arXiv:2506.09713 · arXiv:2507.05257 · arXiv:2508.06600 · arXiv:2508.09442 · arXiv:2509.23040 · arXiv:2510.04618 · arXiv:2510.16558 · arXiv:2511.02779 · arXiv:2511.13998 · arXiv:2512.04123 · arXiv:2512.04388 · arXiv:2512.18470 · arXiv:2601.07504 · arXiv:2601.20309 · arXiv:2601.21557 · arXiv:2601.22311 · arXiv:2602.00328 · arXiv:2602.02276 · arXiv:2602.07962 · arXiv:2602.11224 · arXiv:2602.12430 · arXiv:2602.14337 · arXiv:2602.14516 · arXiv:2602.14878 · arXiv:2602.15763 · arXiv:2602.18998 · arXiv:2602.20478 · arXiv:2602.23368 · arXiv:2603.02001 · arXiv:2603.02081 · arXiv:2603.03589 · arXiv:2603.04428 · arXiv:2603.05344 · arXiv:2603.06199 · arXiv:2603.06728 · arXiv:2603.07379 · arXiv:2603.07670 · arXiv:2603.09619 · arXiv:2603.12056 · arXiv:2603.12201 · arXiv:2603.18272 · arXiv:2603.20397 · arXiv:2603.20432 · arXiv:2603.20847 · arXiv:2603.21354 · arXiv:2603.21972 · arXiv:2603.23448 · arXiv:2603.25723 · arXiv:2603.27918 · arXiv:2603.28052 · arXiv:2603.29231 · arXiv:2604.00499 · arXiv:2604.01395 · arXiv:2604.01647 · arXiv:2604.01687 · arXiv:2604.09666 · arXiv:2604.10352 · arXiv:2604.11320 · arXiv:2604.11978 · arXiv:2604.12162 · arXiv:2604.12374 · arXiv:2604.14661 · arXiv:2604.15732 · arXiv:2604.17055 · arXiv:2604.21003 · arXiv:2604.22085 · arXiv:2604.22748 · arXiv:2604.25850 · arXiv:2604.25899 · arXiv:2605.00796 · arXiv:2605.01280 · arXiv:2605.01920 · arXiv:2605.02189 · arXiv:2605.10907 · arXiv:2605.15846 · arXiv:2605.16045 · arXiv:2605.16517 · arXiv:2605.16867 · arXiv:2605.20173 · arXiv:2605.21384 · arXiv:2605.23950 · arXiv:2605.24000 · arXiv:2605.26571 · arXiv:2605.27744 · arXiv:2605.27922 · arXiv:2605.28774 · arXiv:2605.29979 · arXiv:2605.30434 · arXiv:2606.00152 · arXiv:2606.02470 · arXiv:2606.04602 · arXiv:2606.06036 · arXiv:2606.06090 · arXiv:2606.08671 · arXiv:2606.09498 · arXiv:2606.09937 · arXiv:2606.10106 · arXiv:2606.10728 · arXiv:2606.13578 · arXiv:2606.13643 · arXiv:2606.14061 · arXiv:2606.14589 · arXiv:2606.14747 · arXiv:2606.16465 · arXiv:2606.16649 · arXiv:2606.17114 · arXiv:2606.17846 · arXiv:2606.18112 · arXiv:2606.19047 · arXiv:2606.20023 · arXiv:2606.20295 · arXiv:2606.20683 · arXiv:2606.23130 · arXiv:2606.23449 · arXiv:2606.26080 · arXiv:2606.26961 · arXiv:2606.27288 · arXiv:2606.28565 · arXiv:2606.29985 · arXiv:2606.30391 · arXiv:2606.31946 · arXiv:2607.00482 · arXiv:2607.01224 · arXiv:2607.04434 · arXiv:2607.04763 · arXiv:2607.05465 · arXiv:2607.06403 · arXiv:2607.06624 · arXiv:2607.06701 · arXiv:2607.06815 · arXiv:2607.06838 · arXiv:2607.07050 · arXiv:2607.07508 · arXiv:2607.07820 · arXiv:2607.08028 · arXiv:2607.08124 · arXiv:2607.08964 · arXiv:2607.09349 · arXiv:2607.09424 · arXiv:2607.10350 · arXiv:2607.11111 · arXiv:2607.11250 · arXiv:2607.12227 · arXiv:2607.12395 · arXiv:2607.12406 · arXiv:2607.12463 · arXiv:2607.13104 · arXiv:2607.13399 · arXiv:2607.13705 · arXiv:2607.14159 · arXiv:2607.14277 · arXiv:2607.14541 · arXiv:2607.14777 · arXiv:2607.14952 · arXiv:2607.15263 · arXiv:2607.15277 · arXiv:2607.15434 · arXiv:2607.15495 · arXiv:2607.15550 · arXiv:2607.15657 · arXiv:2607.15660 · arXiv:2607.16617 · arXiv:2607.17715 · arXiv:2607.17986 · arXiv:2607.18069 · arXiv:2607.18082 · arXiv:2607.18141 · arXiv:2607.18171 · arXiv:2607.18213 · arXiv:2607.18529 · arXiv:2607.18603 · arXiv:2607.18754 · arXiv:2607.18772 · arXiv:2607.18825 · arXiv:2607.19058 · arXiv:2607.19191 · arXiv:2607.19215 · arXiv:2607.19238 · arXiv:2607.19297 · arXiv:2607.19747 · arXiv:2607.19865 · arXiv:2607.20064 · arXiv:2607.20346 · arXiv:2607.20709 · arXiv:2607.20734 · arXiv:2607.20891 · arXiv:2607.20911 · arXiv:2607.21051 · arXiv:2607.21461 · arXiv:2607.21503 · arXiv:2607.21553 · arXiv:2607.21557 · arXiv:2607.21572 · arXiv:2607.21576 · arXiv:2607.21596 · arXiv:2607.21653 · arXiv:2607.21962 · arXiv:2607.22157 · arXiv:2607.22375 · arXiv:2607.22389 · arXiv:2607.22529 · arXiv:2607.22561 · arXiv:2607.22922 · arXiv:2607.23089 · arXiv:2607.23193 · arXiv:2607.23379 · arXiv:2607.23514 · arXiv:2607.23693 · arXiv:2607.23782 · arXiv:2607.23783 · arXiv:2607.23802 · arXiv:2607.23933 · arXiv:2607.24000 · arXiv:2607.24062 · arXiv:2607.24117 · arXiv:2607.24223 · arXiv:2607.24368 · arXiv:2607.24653 · arXiv:2607.24882 · arXiv:2607.25236 · arXiv:2607.25294 · arXiv:2607.25308 · arXiv:2607.25379 · arXiv:2607.25380 · arXiv:2607.25398 · arXiv:2607.25431 · arXiv:2607.25498 · arXiv:2607.25600 · arXiv:2607.25614 · arXiv:2607.25659 · arXiv:2607.25675 · arXiv:2607.25895 · arXiv:2607.25959 · arXiv:2607.25996 · arXiv:2607.26246 · arXiv:2607.26314 · arXiv:2607.26410 · arXiv:2607.26451 · arXiv:2607.26475 · arXiv:2607.26497 · arXiv:2607.26520 · arXiv:2607.26571 · arXiv:2607.26611 · arXiv:2607.26627 · arXiv:2607.26637 · arXiv:2607.26654 · arXiv:2607.26760 · arXiv:2607.26769 · arXiv:2607.26784 · arXiv:2607.26811 · arXiv:2607.26991 · arXiv:2607.27042 · arXiv:2607.27146 · arXiv:2607.27167 · arXiv:2607.27201 · arXiv:2607.27205 · arXiv:2607.27380 · arXiv:2607.27600 · arXiv:2607.27616 · arXiv:2607.27816 · arXiv:2607.27853 · arXiv:2607.27888 · arXiv:2607.27919 · arXiv:2607.27958 · arXiv:2607.28022 · arXiv:2607.28074 · arXiv:2607.28126 · arXiv:2607.28227 · arXiv:2607.28229 · arXiv:2607.28263 · arXiv:2607.28397 · arXiv:2607.28415 · arXiv:2607.28509 · arXiv:2607.28568 · arXiv:2607.28580 · arXiv:2607.28590 · arXiv:2607.28595 · arXiv:2607.28609 · arXiv:2607.28617 · arXiv:2607.28618 · arXiv:2607.28624 · arXiv:2607.28625 · arXiv:2607.28633 · arXiv:2607.28675 · arXiv:2607.28802 · arXiv:2607.28887 · arXiv:2607.28993 · arXiv:2607.29007 · arXiv:2607.29025 · arXiv:2607.29122 · arXiv:2607.29167 · arXiv:2607.29209 · arXiv:2607.29241 · arXiv:2607.29377 · arXiv:2607.29402 · arXiv:2607.29459 · arXiv:2607.29677 · arXiv:2607.29679 · arXiv:2607.29684 · arXiv:2608.00101 · arXiv:2608.00146 · arXiv:2608.00267 · arXiv:2608.00303 · arXiv:2608.00371 · arXiv:2608.00486 · arXiv:2608.00499 · arXiv:2608.00574 · arXiv:2608.00650 · arXiv:2608.00675 · arXiv:2608.00677 · arXiv:2608.00730 · arXiv:2608.00799 · arXiv:2608.00902 · arXiv:2608.00922 · arXiv:2608.01127 · arXiv:2608.01185 · arXiv:2608.01247 · arXiv:2608.01326 · arXiv:2608.01462 · arXiv:2608.01481 · arXiv:2608.01526 · arXiv:2608.01543 · arXiv:2608.01678 · arXiv:2608.01718 · arXiv:2608.01735 · arXiv:2608.01755 · arXiv:2608.01827 · arXiv:2608.01862 · arXiv:2608.01964 · arXiv:2608.01975 · arXiv:2608.02023 · arXiv:2608.02195 · arXiv:2608.02218 · arXiv:2608.02287 · arXiv:2608.02499 · arXiv:2608.02515 · arXiv:2608.02580 · arXiv:2608.02583 · arXiv:2608.02585 · arXiv:2608.02603 · arXiv:2608.02703 · arXiv:2608.02713 · arXiv:2608.02738 · arXiv:2608.02791 · arXiv:2608.03036 · arXiv:2608.03207 · arXiv:2608.03392 · arXiv:2608.03419 · arXiv:2608.03451 · arXiv:2608.03499 · arXiv:2608.03506 · arXiv:2608.03507 · arXiv:2608.03632 · arXiv:2608.03700 · arXiv:2608.03764 · arXiv:2608.03794 · arXiv:2608.03796 · arXiv:2608.03836 · arXiv:2608.03874 · arXiv:2608.03974 · arXiv:2608.03979 · arXiv:2608.03994 · arXiv:2608.04003 · arXiv:2608.04205 · arXiv:2608.04302 · arXiv:2608.04397 · arXiv:2608.04436 · arXiv:2608.04505 · arXiv:2608.04530 · arXiv:2608.04569 · arXiv:2608.04570 · arXiv:2608.05000 · arXiv:2608.05013 · arXiv:2608.05042 · arXiv:2608.05070 · arXiv:2608.05102 · arXiv:2608.05108 · arXiv:2608.05138 · arXiv:2608.05139 · arXiv:2608.05219 · arXiv:2608.05248 · arXiv:2608.05446 · arXiv:2608.05466 · arXiv:2608.05604 · arXiv:2608.05631 · arXiv:2608.05747 · arXiv:2608.05784 · arXiv:2608.0606 · arXiv:2608.05850 · arXiv:2608.05987 · arXiv:2608.06020 · arXiv:2608.06033 · arXiv:2608.06060 · arXiv:2608.06113 · arXiv:2608.06130 · arXiv:2608.06146 · arXiv:2608.06197 · arXiv:2608.06216 · arXiv:2608.06296 · arXiv:2608.06301 · arXiv:2608.06305 · arXiv:2608.06329 · arXiv:2608.06352 · arXiv:2608.06485 · arXiv:2608.06501 · arXiv:2608.06663 · arXiv:2608.06867 · arXiv:2608.07009 · arXiv:2608.07051 · arXiv:2608.07126 · arXiv:2608.07152 · arXiv:2608.07169 · arXiv:2608.07193 · arXiv:2608.07370 · arXiv:2608.07446 · arXiv:2608.07458 · arXiv:2608.07468 · arXiv:2608.07545 · arXiv:2608.07645 · arXiv:2608.08097 · arXiv:2608.08160 · arXiv:2608.08311 · arXiv:2608.08466 · arXiv:2608.08814 · arXiv:2608.09096 · arXiv:2608.09158 · arXiv:2608.09766 · arXiv:2608.09802 · arXiv:2608.09867 · arXiv:2608.09888 · arXiv:2608.09900 · arXiv:2608.10299 · arXiv:2608.10450 · arXiv:2608.10538 · arXiv:2608.10628 · arXiv:2608.10636 · arXiv:2608.10708 · arXiv:2608.10720 · arXiv:2608.10875 · arXiv:2608.10915 · arXiv:2608.11030 · arXiv:2608.11350 · arXiv:2608.11632 · arXiv:2608.11924 · arXiv:2608.12036 · arXiv:2608.12123 · arXiv:2608.12149 · arXiv:2608.12307 · arXiv:2608.12440 · arXiv:2608.12571 · arXiv:2608.12743 · arXiv:2608.12875 · arXiv:2608.13010 · arXiv:2608.13120 · arXiv:2608.13122 · arXiv:2608.13210 · arXiv:2608.13546 · arXiv:2608.13547 · arXiv:2608.13552 · arXiv:2608.13558 · arXiv:2608.13560 · arXiv:2608.13606 · arXiv:2608.13900 · arXiv:2608.14022 · arXiv:2608.14036 · arXiv:2608.14106 · arXiv:2608.14144 · arXiv:2608.14391 · arXiv:2608.14457 · arXiv:2608.14546 · arXiv:2608.14577 · arXiv:2608.14642 · arXiv:2608.14905 · arXiv:2608.15089 · arXiv:2608.15265 · arXiv:2608.15669 · arXiv:2608.15767 · arXiv:2608.16590 · arXiv:2608.16798 · arXiv:2608.16859 · arXiv:2608.16885 · arXiv:2608.16989 · arXiv:2608.17050 · arXiv:2608.17253 · arXiv:2608.17271 · arXiv:2608.17393 · arXiv:2608.17426 · arXiv:2608.17597 · arXiv:2608.17960 · arXiv:2608.18184 · arXiv:2608.18565 · arXiv:2608.18575 · arXiv:2608.18580 · arXiv:2608.18852 · arXiv:2608.18940 · arXiv:2608.19197 · arXiv:2608.19207 · arXiv:2608.19246 · arXiv:2608.19741 · arXiv:2608.19799 · arXiv:2608.19857 · arXiv:2608.19861 · arXiv:2608.19880 · arXiv:2608.19936 · arXiv:2608.20169 · arXiv:2608.20202 · arXiv:2608.20246 · arXiv:2608.20317 · arXiv:2608.20319 · arXiv:2608.20335 · arXiv:2608.20336 · arXiv:2608.20338 · arXiv:2608.20438 · arXiv:2608.21159 · arXiv:2608.21208 · arXiv:2608.21252

v38 补全沿用 CVE 编号(完整继承 v37 主文件):CVE-2026-22778 · CVE-2026-3059 · CVE-2026-3989 · CVE-2026-49468 · CVE-2026-50549 · CVE-2026-54309 · CVE-2026-54769 · CVE-2026-55255 · CVE-2026-56274 · CVE-2026-57572 · CVE-2026-59726 · CVE-2026-61447 · CVE-2026-65617

v38 补全沿用 anchor URL(完整继承 v37 主文件 · 重要 URL 必含):

  • http://arxiv.org/abs/2607.26760v1
  • https://addyo.substack.com/p/my-llm-coding-workflow-going-into**
  • https://advisories.gitlab.com/npm/n8n/CVE-2026-54309
  • https://arxiv.org/abs/2506.01716
  • https://arxiv.org/abs/2512.04123**
  • https://arxiv.org/abs/2602.02276
  • https://arxiv.org/abs/2603.09619**
  • https://arxiv.org/abs/2603.20847
  • https://arxiv.org/abs/2605.01920
  • https://arxiv.org/abs/2607.08028**
  • https://arxiv.org/abs/2608.06867
  • https://arxiv.org/abs/2608.07545
  • https://arxiv.org/abs/2608.09158
  • https://arxiv.org/abs/2608.10720
  • https://arxiv.org/abs/2608.12440
  • https://arxiv.org/abs/2608.13122
  • https://arxiv.org/abs/2608.13552
  • https://arxiv.org/abs/2608.13560
  • https://arxiv.org/abs/2608.13900
  • https://arxiv.org/abs/2608.15089**
  • https://arxiv.org/abs/2608.15669**
  • https://arxiv.org/abs/2608.16798**
  • https://arxiv.org/abs/2608.16859**
  • https://arxiv.org/abs/2608.17597**
  • https://arxiv.org/abs/2608.17960**
  • https://benchlm.ai/benchmarks/swe-bench-verified**
  • https://cursor.com/blog/joining-spacex
  • https://github.com/AMAP-ML/LongHorizon-Harness
  • https://github.com/QwenLM/Qwen-Agent
  • https://github.com/THU-MIG/Skill-Alpha
  • https://github.com/ai-boost/awesome-harness-engineering
  • https://github.com/bytedance-seed/m3-agent
  • https://github.com/epoch-research/MirrorCode
  • https://github.com/pathwaycom/bdh
  • https://github.com/vllm-project/vllm/releases
  • https://github.com/zilliztech/deep-searcher
  • https://huggingface.co/blog
  • https://huggingface.co/blog/security-incident-july-2026
  • https://inbox/stephen/2026-08-12-2245-stephen-coordination-check-evening.md
  • https://karpathy.ai/lotr-movie
  • https://langchain.com/state-of-agent-engineering
  • https://langchain.com/state-of-agent-engineering**
  • https://lilianweng.github.io/posts/2026-07-04-harness/
  • https://magazine.sebastianraschka.com/p/using-local-coding-agents
  • https://morphllm.com/best-ai-coding-agents-2026**
  • https://morphllm.com/best-ai-coding-agents-2026**。
  • https://techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b
  • https://vllm-project.github.io
  • https://www.anthropic.com
  • https://www.cncf.io
  • https://www.opensourceforu.com/2026/08/truefoundry-launches-trueforge`
  • https://www.theaiengineer.com/p/why-ai-agents-keep-failing-in-production

v28-v37 沿用补充号段(沿用 v37 主文件,含 CVE 沿用)+ arXiv:2607.00482 Know When to Stop + arXiv:2608.10450 Genesis/EvoX(v29 第 72 栖)+ CVE-2026-22778 vLLM CVSS 9.8 P0 + CVE-2026-3059 / 3060 SGLang CVSS 9.8 + CVE-2026-3989 SGLang 7.8 + CVE-2026-61447 PraisonAI RCE + CVE-2026-54769 Langroid RCE + CVE-2026-57572 Crawl4AI RCE + CVE-2026-59726 Ruflo RCE + CVE-2026-49468 + CVE-2026-50549 + CVE-2026-55255 + CVE-2026-56274 + CVE-2026-65617 = AI Agent 框架 4 RCE CVE + vLLM CVSS 9.8 + SGLang 3 件 CVE 沿用 · missing = old - candidate = 0 ✓

v26 附录 余下 号段(带v后缀 及 v8/v9 别处提及):arXiv:2505.07833v2 · arXiv:2603.03589v3 · arXiv:2603.18272 · arXiv:2604.09666 · arXiv:2604.14661 · arXiv:2604.14661v1 · arXiv:2604.17055 · arXiv:2605.00796 · arXiv:2605.00796v1 · arXiv:2606.00152v1 · arXiv:2606.09937 · arXiv:2607.18069 · arXiv:2607.22922 · arXiv:2607.23089 · arXiv:2607.23379 · arXiv:2608.00675 · arXiv:2608.03794 · arXiv:2608.03796 · arXiv:2608.03974 · arXiv:2608.04570 · arXiv:2608.05219 · arXiv:2608.06485 · arXiv:2608.06501 · arXiv:2608.07051 · arXiv:2608.07126 · arXiv:2608.07152 · arXiv:2608.07370 · arXiv:2608.07370v1 · arXiv:2608.07446 · arXiv:2608.07468

补充 anchor: Terminal-Bench 2.1 8-2 = https://morphllm.com/best-ai-coding-agents-2026