coding-agents · E1 预消化简报（2026-08-01）

执行：flyP · 2026-08-01 23:20 Asia/Shanghai（E1 日间预消化） 窗口：7-30 ~ 8-1（近 2 天）+ paper_cards 近 3 天新卡（IDs 638-688） 活文档基线：/shared/research-kb/organized/knowledge/coding-agents.md（Wave4 E1 第十四轮 · 7-31 04:20 · 19 阈值饱和 + 第二十阈值立标饱和） 本场定性：中等偏低 + 主线 net-new 增量低 + 邻接跨主题补全 1 件 P0 + 评测工具邻接 1 件 P1 + 工程化实例 P1 邻接 1 件 + 综述方法学 P1 邻接 1 件 + 警示 1 件 = 净增量 5 条 + 警示 1 条。承接 v34 第十三轮 19 阈值 + 第十四轮 SkillRise/Metis 闭环 + TurboVLA/VPW + 4 P0 立标 + 安全五联立标层 + 第二十阈值饱和之后，编码 Agent 主题 8-1 边际增量核心为「评测时间粒度第三级（数周级 MirrorCode）+ 评测方法学反直觉发现（See2Think 渲染瓶颈）+ 工程化三层架构生产实例（ByteByteGo + Lilian Weng Harness Engineering 八元组）+ RAG 范式规模化重新审视（BM25 Wins at Scale）+ Anthropic Project Glasswing 8-1 续立 = 5 条主线 + 1 警示。

承接关系：本棒承接 8-1 flyp multimodal-e1prep（ShadowDancer + CoMem 跨模态精读）+ risk-e1prep（Shadow in the Cache NDSS 2026 P0 警示 + Σ-Mem + Filesystem-Based Memory memory-as-attack-surface）+ llm-application-e1prep（MirrorCode + ByteByteGo + Lilian Weng Harness Engineering 八元组公式）+ agent-e1prep-v37（spark 8-1 13:30 第 8 棒独立 E1 恢复棒）+ llm-infra-e1prep-v13 + engineering-e1prep-v42（5 件 4 主题 24h 集中爆发）；承接 7-31 flyp 7-31 15:50 VisualPatchWorld + 22:50 TurboVLA + 9:50 SkillRise + Metis critical-read 闭环 = 飞 P 第八棒 coding-agents E1 完整恢复棒（与 7-31 flyp 7-30 7-29 节奏一致延续）。

0. 检查范围与信号密度

0.1 检查来源清单

0.2 信号密度判定

与 7-31 E1 24h「SkillRise + Metis critical-read 闭环 + VisualPatchWorld + TurboVLA + 4 P0 立标 + 安全五联立标层 + CoRT + DecoEvo + MindForge + SpecFirst = 第二十阈值饱和」相比，8-1 E1 24h 主线净增量定位 = 5 件 coding-agents 邻接 P1 + 1 件 P0 警示（MirrorCode + BM25 Wins at Scale + See2Think + Lilian Weng Harness Engineering + ByteByteGo 三层架构生产实例 + Anthropic Project Glasswing 8-1 续立）= 中等偏低 + 编码 Agent 主题主线净增量低 + 邻接补全 5 件。

一、今日 coding-agents 主线最重要的 net-new 增量（5 条 + 1 警示）

增量 1 · 🟠 P0 警示 · MirrorCode Benchmark（METR/Epoch AI 8-1 发布）= 编码 Agent 评测时间粒度第三级（数周级）= 评测基础设施扩面

• 来源：
• inbox/jay/2026-08-01-1050-jay-engineering-filter.md 条目 K2（⭐⭐⭐⭐⭐ · Import AI 466 · Jack Clark · 2026-08-01 · 真实可复现 + benchmark 数据具体 + GitHub repo）
• inbox/jay/2026-08-01-1002-rss-import-ai.md（Import AI 466 标题：机器人领域的苦涩教训 + AI 完成长达一周的编程任务 + OpenAI 的意外 AI 黑客）
• inbox/jay/2026-08-01-engineering-e1prep.md 增量 2（⭐⭐⭐⭐⭐ · v42 准备棒）
• inbox/stephen/2026-08-01-1245-stephen-coordination-check-noon.md §四.2 Tier B #5（建议入 engineering §2.95 evaluation discipline）
• inbox/stephen/2026-08-01-llm-application-e1prep.md 增量 3（🟡 P1 重大 · 与 MirrorCode 邻接）
• URL：https://github.com/epoch-research/MirrorCode
• 要点：
• Benchmark 设计（真实可复现）：25 个目标程序 = pkl（Apple 可编程配置语言 · 61k LOC）+ gotree（系统发育树解析 · 16k LOC）+ qsv_select（CSV 列选择 · 87k LOC）+ ruff（Python linter/formatter）；仅通过 CLI 访问目标程序源码（无源代码、无 web 访问），需完整重新实现；
• 具体性能数据：Opus 4.7 在 gotree 多语言上 $100-$400 推理成本，14 小时完成；25 个目标中 17 个达到 100% 正确率，4 个 >99%，8 个未达 100%，4 个未达 99%；1 年前领先模型得分约 30%，仅能完成简单程序（如 calendar utility）；
• 关键判断（Jack Clark）："AI 系统能 self-orient：仅通过黑盒 I/O 访问就能从零构建对标原程序的自研实现。这意味着高度智能的 Agent 可能具有从真实世界 bootstrapping 工业文明形态的能力"—— Import AI 466 专家观点；
• 与 v34 §2.3 评测表的关系：v34 §2.3 已收录 SWE-bench Verified（数十分钟级）+ SWE Marathon（长程）+ Program Bench + BenchLM weighted + Terminal-Bench 2.0/2.1 + Long-Horizon-Terminal-Bench + Multi-SWE-bench / DeNovoSWE + AgentLens + General AgentBench + AgentCompass + Agent-Diff + AlphaEval + MCP-Persona + LoCoBench-Agent + SpecBench + RoadmapBench / SWE-EVO / LongCLI-Bench + Atrex-Bench + Cost-Aware + Behavioral Privacy + Manager Coercion + Tool-Call Boundary Drift + DeepSearch-World + AutoIndex + LangGraph + Beyond Relevance-Centric Retrieval + AAAI Subramanian「Keyword search is all you need」+ LOCA-bench + MemoryAgentBench + BeyondUncertainty + A New Role for Relevance + Kontrast + Keep It InMind + 新颖 Déjà Vu = 评测表 22 + 6 = 28 行，MirrorCode 补充"数周级评测"作为第 29 行 = 评测时间粒度第三级（SWE-bench 分钟级 → RepoReasoner repo 级 → MirrorCode 数周级 CLI-only）；
• 与 v34 §2.94 (d) RepoReasoner arXiv:2607.25996v1 的关系：RepoReasoner 是"代码库级推理评测 = Output Prediction 跨文件有状态执行" = repo 级；MirrorCode 是"数周级超长程 CLI-only re-implementation" = 数周级；两者构成评测粒度的两极（repo 级 vs 数周级）。
• 与活文档 knowledge/coding-agents.md v34 现有脉络的关系：
• v34 §2.3 评测表 28 行（沿用）+ v34 §2.94 (d) RepoReasoner（沿用）+ v34 §2.94 (h) SWE-bench 系列扩展（沿用）+ v34 §2.1 Harness 学术化第四十二子节 LOCA-bench（沿用）→ 本场 = §2.3 评测表新增第 29 行 = MirrorCode 数周级超长程编程评测 = 评测时间粒度第三级 + §2.94 (h) SWE-bench 系列扩展新增 MirrorCode 邻接；
• v34 §3.1 共识 53（沿用）→ 本场 = 共识 54 候选新增 = "编码 Agent 评测时间粒度三档立标 = SWE-bench Verified 数十分钟级 + RepoReasoner arXiv:2607.25996v1 repo 级 + MirrorCode 数周级 CLI-only re-implementation = 三档补完"；
• v34 §4 开放问题 79（沿用）→ 本场 = 开放问题 80 候选新增 = "MirrorCode 'self-orient / bootstrapping 工业文明形态的能力' 是 Jack Clark 推测性判断还是研究结论？v2 待核实（属 Import AI 专家观点，非研究结论）"；
• v34 §5 边界（沿用）：MirrorCode 与 evaluation.md 邻接 · MirrorCode 评测时间粒度与 SWE-bench 评测时间粒度构成两极对照 · MirrorCode CLI-only 黑盒接口边界 = fixture 设计最简边界。
• 建议归入节：
• §2.3 评测表 22 → 28 → 29 行（新增 MirrorCode 数周级超长程编程评测 = 评测时间粒度第三级）
• §2.94 (h) SWE-bench 系列扩展（新增 MirrorCode 邻接 = 三档补完）
• §3.1 共识 53 → 54 候选新增（评测时间粒度三档立标）
• §4 开放问题 79 → 80 候选新增（Jack Clark「bootstrapping 工业文明形态」是推测性判断，待核实）
• §5 边界（与 evaluation.md 邻接 · 与 SWE-bench 评测时间粒度对照 · CLI-only 黑盒接口边界 = fixture 设计最简边界）
• arXiv 号：无 arXiv（GitHub 直接发布 github.com/epoch-research/MirrorCode；METR/Epoch AI 联合发布；22/25 目标程序 + scaffold 在仓库公开）
• card 状态：⚠️ paper_cards 未建（优先级极高，建议今晚 v21 立标前补建）

增量 2 · 🟡 P1 邻接 · Lilian Weng Harness Engineering for Self-Improvement（2026-07-04 Lil'Log 发布）= Harness 八元组公式 + 三 Pattern 系统框架 + Coding Agent 工具集完整定义 = v34 §2.1 学术 Harness 化 理论锚点

• 来源：
• inbox/jay/2026-08-01-1001-rss-lilian-weng.md（Lilian Weng RSS · 2026-07-04 · Lilian Weng，OpenAI 前安全工程负责人）
• inbox/jay/2026-08-01-engineering-e1prep.md 增量 3（⭐⭐⭐⭐⭐ · v42 准备棒）
• URL：https://lilianweng.github.io/posts/2026-07-04-harness/
• GitHub：github.com/karpathy/autoresearch（autoresearch 示例 repo）
• 要点：
• Harness 核心公式（八元组）：Harness = LLM + Memory + Tools + Planning + Action + Workflow Design + Eval + Permission Controls + Persistent State——不是简单包装，而是完整的执行控制平面；
• Pattern 1: Workflow Automation（Karpathy autoresearch 为例）：Goal-oriented loop: plan → execute → observe/test → improve → loop；关键：工作流图强调模型分析自身轨迹和失败案例，通过"agent runtime"而非静态 prompt 模板进行迭代；
• Pattern 2: FileSystem as Persistent Memory：长期 agent 任务中 artifacts（实验日志/代码 diff/论文摘要/错误 trace）远大于 context window；解决方案：用文件系统做持久化存储；优势：利用模型本身读写文件能力，管理成本随模型能力提升自动下降（与 Filesystem-Based Memory arXiv:2607.26637 立基础直接对位）；
• Pattern 3: Sub-agent and Backend Jobs：主 agent 并行 spawn 多个 subagent；并行性必须显式可检查（stored as files/logs/status records）；主 agent 需要 process manager 能力：launch jobs/inspect logs/cancel failed runs/merge results；
• Coding Agent 工具集（具体工具定义）：文件系统（glob/grep/ls/read/read_many/write/edit/multi_edit/apply_patch）/ Shell（bash/PowerShell）/ IO（lsp/git_status/git_diff/git_commit）/ 外部上下文（MCP tools/Skills）/ Web（web_search/web_fetch/browser tools）/ Backend（CronCreate/CronDelete/CronList）/ Agent 委托（spawn_agent/resume_agent/wait_agent/list_agents/close_agent/interrupt_agent）；
• RSI 关键工程判断："近期 RSI 的实际路径不太可能是模型直接重写自身权重。更现实的路径：harness 工程进化为 meta-methodology（改进构建模型的机器），同时模型能力通过 pretraining 自然增长"——与 v34 §2.93 (x) vLLM v0.25.0 架构 milestone 暗示的方向一致：基础设施层进化与模型能力进化两条腿。
• 与活文档 knowledge/coding-agents.md v34 现有脉络的关系：
• v34 §1 第一段 v34 §2.7 ACE arXiv:2510.04618 + MCE arXiv:2601.21557 + Weng Harness 第 87 节点（沿用 v34 §2.1 第十一阶段 7-29 学术 Harness 4 联 + v34 第十一轮 4 联立标补全）→ 本场 = Weng Harness 第 87 节点（v34 第十一轮立标级 + 7-27 续立）= 八元组公式扩面 + Coding Agent 工具集完整定义 = §2.1 学术 Harness 化 理论锚点；
• v34 §2.7 Coding Agent 工具集（沿用 Anthropic Claude Code / Codex CLI / Cursor / NVIDIA Polar / OpenCode / Cline / Goose / Kilo Code / Kiro / Aider / Gemini CLI / MorphLLM 5 组件 / LangChain Open-Source Software Factory / LlamaIndex / Kimi Code CLI）→ 本场 = §2.7 Coding Agent 工具集新增 Weng 八元组公式 + Coding Agent 工具集 7 大类完整定义（文件系统 / Shell / IO / 外部上下文 / Web / Backend / Agent 委托 = 7 大类 28 件工具）；
• v34 §2.1 Harness 学术化 第十一阶段 7-29 学术 Harness 4 联立标补全 = 训练侧 Molt + 推理侧 MHLC + 持续学习 Learning on the Job 升级 P0 + QD-Search IDEAgent（沿用）→ 本场 = §2.1 第十一阶段扩面 = Weng Harness 八元组公式 + 三 Pattern 系统框架 = 与 Molt / MHLC / Learning on the Job / IDEAgent 形成 5 联立基础栖；
• v34 §3.1 共识 53（沿用）→ 本场 = 共识 54 候选新增 = "Harness = 八元组公式 + 三 Pattern 系统框架 = 学术 Harness 化理论锚点 = Lilian Weng Harness Engineering for Self-Improvement 7-04"；
• v34 §4 开放问题 79（沿用）→ 本场 = 开放问题 80 候选新增 = "Weng Harness 八元组公式 vs ByteByteGo OpenAI 三层架构（harness/API/inference）= 抽象级别不同两套切分 vs 同源对位 + v21 待合并"；
• v34 §5 边界（沿用）：Weng Harness 与 agent.md §1.45 邻接 · 与 engineering.md §2.7 邻接 · 与 llm-application.md §1.1 邻接。
• 建议归入节：
• §1 第一段 Weng Harness 第 87 节点扩面（八元组公式 + 三 Pattern 系统框架 + Coding Agent 工具集 7 大类 28 件）
• §2.1 第十一阶段 7-29 学术 Harness 4 联立标补全 → 5 联立基础栖（新增 Weng Harness 八元组公式 + 三 Pattern 系统框架 = 与 Molt / MHLC / Learning on the Job / IDEAgent 形成 5 联立基础栖）
• §2.7 Coding Agent 工具集（新增 Weng 八元组公式 + Coding Agent 工具集 7 大类完整定义）
• §3.1 共识 53 → 54 候选新增（Harness 八元组公式 + 三 Pattern 系统框架 = 学术 Harness 化理论锚点）
• §4 开放问题 79 → 80 候选新增（Weng Harness 八元组公式 vs ByteByteGo OpenAI 三层架构 = 抽象级别不同两套切分，待合并）
• §5 边界（与 agent.md §1.45 邻接 · 与 engineering.md §2.7 邻接 · 与 llm-application.md §1.1 邻接）
• arXiv 号：无 arXiv（直接发布于 lilianweng.github.io；7-04 早于 v34 第十四轮 7-31 收官；但作为学术 Harness 化理论锚点 v21 立标级别待激活）

增量 3 · 🟡 P1 邻接 · ByteByteGo ChatGPT Agent Loop 三层架构（OpenAI 工程师访谈）= Harness/API/Inference 三层职责分离的具体技术实现 = v34 §2.7 工业件套 + §2.5 推理工程学科化 补全

• 来源：
• inbox/jay/2026-08-01-1050-jay-engineering-filter.md 条目 K1（⭐⭐⭐⭐⭐ · OpenAI 工程师直接受访 · blog.bytebytego.com/p/how-chatgpt-optimizes-its-agent-loop）
• inbox/jay/2026-08-01-1000-rss-bytebytego.md（ByteByteGo RSS 8-1 全 5 篇 · 第 3 篇 = ChatGPT 如何优化其 Agent 循环）
• inbox/jay/2026-08-01-engineering-e1prep.md 增量 1（⭐⭐⭐⭐⭐ · v42 准备棒）
• inbox/stephen/2026-08-01-llm-application-e1prep.md 增量 1（🟡 P1 重大 · OpenAI 工程师披露 ChatGPT Agent 三层架构）
• 要点：
• 三层架构（具体技术细节）：
  • Harness 层：① Persistent WebSockets（减少连接建立开销）/ ② Stable prompt prefixes（缓存不变 prompt 前缀，避免重复 tokenize）/ ③ Deferred tool discovery（按需加载）/ ④ Code Mode（专用代码执行模式）；
  • API 层：⑤ Tokenize only delta（仅对增量变化做 tokenize，而非全量）/ ⑥ Parallel safety checks（安全检查与推理并行化 race 机制）；
  • Inference 层：⑦ Cache-aware routing（根据 KV cache 热度路由请求）/ ⑧ KV cache 生命周期管理 / ⑨ Speculative decoding（投机解码）/ ⑩ Prefill/decode separation（prefill 与 decode 解耦）；
• Benchmark 数据：GPT-5.6 Sol 在 Artificial Analysis Coding Agent Index 上得分高于 Fable 5，但 cost 不到 Fable 5 的一半（cost 数据缺具体数值，8000 字限制截断 ⚠️）；
• Agent Loop 执行流程（7 步）：① Harness 接收任务（"trace checkout regression, patch it, run tests"）→ ② Harness 组装指令 + 工具定义 + 历史记录 → ③ API 做 JSON 验证/rate limit/preflight → ④ API tokenize 并 dispatch 到 inference 同时启动安全分类器 → ⑤ Inference 返回 tool call → ⑥ API decode token → ⑦ Harness 在沙箱执行 → append 结果 → 循环；
• 关键工程判断："AI 应用 ≠ LLM。LLM 只是其中一层。真实产品中，用户请求在到达 LLM 之前已经过了 harness 层和 API 层的多次处理"——三层职责分离是真实生产系统的普遍模式。
• 与活文档 knowledge/coding-agents.md v34 现有脉络的关系：
• v34 §2.7 Anthropic Claude Code / Codex CLI / Cursor / NVIDIA Polar / OpenCode / Cline / Goose / Kilo Code / Kiro / Aider / Gemini CLI / MorphLLM 5 组件 / LangChain Open-Source Software Factory / LlamaIndex / Kimi Code CLI（沿用）+ v34 §1 第十九阈值 frontier lab 平台层竞速主战场（沿用）→ 本场 = §2.7 工业件套扩面 = OpenAI ChatGPT Agent 三层架构 = 生产系统实例 + Anthropic Claude Code + Cursor 等并列；
• v34 §2.94 (a) MCP 2026-07-28 史上最大协议更新（沿用）+ v34 §2.5 HACO 99.2% SLO 工程实证补全（沿用）→ 本场 = §2.94 (a) MCP + §2.5 HACO 扩面 = ByteByteGo 三层架构生产实例补全；
• v34 §3.1 共识 53（沿用）→ 本场 = 共识 54 候选新增 = "OpenAI ChatGPT Agent 三层架构 = Harness/API/Inference = 生产实例 + 编码 Agent 工业化层立基础"；
• v34 §4 开放问题 79（沿用）→ 本场 = 开放问题 80 候选新增 = "OpenAI ByteByteGo 三层架构数据缺 cost 具体数值（8000 字截断） + 三层架构 vs Weng Harness 八元组公式 = 抽象级别不同两套切分待合并"；
• v34 §5 边界（沿用）：ByteByteGo 三层架构与 engineering.md §2.7 邻接 · 与 llm-application.md §1.1 邻接 · 与 llm-infra.md §1.(4) Fail-Plausible 五类邻接 · 与 risk.md §2.6 frontier lab + HF 官方 URL 沿用。
• 建议归入节：
• §2.7 工业件套扩面（新增 OpenAI ChatGPT Agent 三层架构 = 生产系统实例）
• §2.94 (a) MCP + §2.5 HACO 扩面（新增 ByteByteGo 三层架构生产实例补全）
• §3.1 共识 53 → 54 候选新增（OpenAI ChatGPT Agent 三层架构 = 编码 Agent 工业化层立基础）
• §4 开放问题 79 → 80 候选新增（cost 数据缺具体数值 · 三层架构 vs Weng Harness 八元组公式待合并）
• §5 边界（与 engineering.md / llm-application.md / llm-infra.md / risk.md 邻接）
• arXiv 号：无 arXiv（ByteByteGo 工程师访谈 + 工程 newsletter）
• card 状态：⚠️ paper_cards 未建（优先级中高，建议今晚 v21 补建）

增量 4 · 🟡 P1 邻接 · See2Think arXiv:2607.26769（flyp 8-1 15:50 双精读）= MLLM 评测方法学「中间产物使用」第四联 + LEDGERMIND 形成「五维评测诊断完整闭环」 = §2.1 学术 Harness 化 + §2.3 评测 邻接

• 来源：
• inbox/flyp/2026-08-01-1550-ShadowDancer-See2Think-critical-read.md（flyp 8-1 15:50 · ShadowDancer + See2Think 双精读 · See2Think 立标级）
• inbox/tom/2026-08-01-agent-rag-longcontext-radar.md 条目 #6（HF Daily 8-1 · 21▲ · 主分类 multimodal）
• inbox/stephen/2026-08-01-llm-application-e1prep.md 增量沿用
• paper_cards/685-2607.26769.md（8-01 已建卡 · 主分类 multimodal · 形态 benchmark）
• URL：https://arxiv.org/abs/2607.26769
• 要点：
• 核心问题：MLLM 现在被期望在推理过程中产生「视觉中间态」（如 Seg-Zoom-In / Sketch / Visual CoT / Tool-Use 输出），但 ① 现有 benchmark 任务覆盖窄、部分样本可纯文本解决 + ② 评估只看最终答案，不诊断中间视觉态如何生成、渲染、被使用；
• 两件套方法：
  1. See2ThinkBench：1,200 个开放视觉强需样本，12 任务类别 × 3 大类（2D structured / 3D scene / real-world reasoning），刻意排除可纯文本解决的样本；
  2. VAoT（Visual Action-of-Thought）：四元组记录 = (textual thoughts, visual actions, rendered states, subsequent reasoning)，4 种推理设置（controlled inference settings）；
• 关键反直觉发现："模型通常能选对相关视觉操作——但忠实渲染（faithful rendering）仍是最大瓶颈"——这是反直觉且有价值的发现：选择正确的视觉操作 ≠ 渲染出能用的视觉态 = 提升中间视觉态的"渲染质量" 比"选择正确" 更紧迫；
• flyp 8-1 15:50 critical-read 立标建议：§1 主线 4 评测方法学（二十三面体）新增 1 件 ★ 立标信号强 ★ + §1 主线 4「五维评测诊断完整闭环」：本场 + LEDGERMIND arXiv:2607.28374 = "答案接口 + 任务设计 + 训练环境 + 中间产物使用（本场）+ 证据账本可溯源" 五维。
• 与活文档 knowledge/coding-agents.md v34 现有脉络的关系：
• v34 §2.3 评测表 28 行（沿用）+ v34 §2.4 反方实证 / 真实力边界（沿用）+ v34 §2.94 (g) Show Don't Tell 答案接口 + §2.94 (h) ActiveVision 任务设计 + §2.94 (i) Trace 训练环境（沿用 v34 §2.39.x 候补级）→ 本场 = §2.3 评测表新增第 29 行 = See2Think VAoT 过程诊断协议 + §2.94 (g/h/i) 三联评测诊断扩面为「四联 + LEDGERMIND 第五联」；
• v34 §1 第二十阈值立标 = SkillRise/Metis critical-read 闭环 + VisualPatchWorld 第三范式 + TurboVLA LLM 解构派 + 4 P0 立标候选 + 3 P1 立标候选（沿用 v34 第十四轮 7-31 04:20）→ 本场 = §1 第二十阈值扩面 = See2Think MLLM 评测方法学立标级 ★；
• v34 §3.1 共识 53（沿用）→ 本场 = 共识 54 候选新增 = "See2Think 五维评测诊断完整闭环 = 答案接口 + 任务设计 + 训练环境 + 中间产物使用 + 证据账本可溯源 = MLLM 评测方法学立标级"；
• v34 §5 边界（沿用）：See2Think 与 multimodal.md §1.4 评测方法学邻接 · 与 llm-application.md §1.4 邻接 · 与 evaluation.md 邻接。
• 建议归入节：
• §2.3 评测表 22 → 28 → 29 行（新增 See2Think VAoT 过程诊断协议 = 第五联评测诊断）
• §2.94 (g/h/i) 三联评测诊断扩面为「四联 + LEDGERMIND 第五联」（新增 See2Think 中间产物使用 + LEDGERMIND 证据账本可溯源）
• §1 第二十阈值扩面（See2Think MLLM 评测方法学立标级 ★）
• §3.1 共识 53 → 54 候选新增（See2Think 五维评测诊断完整闭环）
• §5 边界（与 multimodal.md / llm-application.md / evaluation.md 邻接）
• arXiv 号：arXiv:2607.26769（See2Think: Do Multimodal Models Really Use Intermediate Visual States? · 10 pages, 5 figures, 8 tables · 13 作者团队 · paper_cards/685 8-01 已建卡 · 主分类 multimodal · 形态 benchmark）

增量 5 · 🟡 P1 邻接 · BM25 Wins at Scale arXiv:2607.26497（flyp 8-1 10:30 周六精读）= RAG 范式规模化重新审视 + BM25 回归 = v34 §2.6 第四十二子节 + §2.94 (m) Beyond Relevance-Centric Retrieval 邻接

• 来源：
• inbox/flyp/2026-08-01-1030-sat-weekly-deep-read-rag-filesystem-dualg-bm25.md（flyp 8-1 10:30 周六精读 · 3 篇方法论级精读 = BM25 Wins at Scale ★ A + DualG-MRAG ★ B + Filesystem-Based Memory ★ C）
• inbox/tom/2026-08-01-0900-hf-daily-2026-08-01.md 第 11 行（HF Daily 8-1 · 38▲）
• URL：https://arxiv.org/abs/2607.26497
• 要点：
• 核心问题：RAG 范式分词法（BM25）/ 稠密（dense）/ 图（graph-based indexing）/ 智能体搜索（agentic search），但通常在不同 benchmark 的单一语料规模下评测，accuracy-cost scaling 关系不清晰；
• 方法：用 EnterpriseRAG-Bench（511,959 文档 / 600.8M tokens / 500 题 + 722 gold + 326 traps + 99 lures）构造 28 个严格嵌套层级 / 450× 语料阶梯，固定 reader = Qwen3.6-27B + vLLM + 同一 judge protocol；
• 核心结论（scale-dependent crossover 而非无条件胜者）：File-System Agent 在最小层级领先，但 ~10M tokens 后 BM25 超越并锁定每一更大层级，到全量级（601M tokens）BM25 与 File-Agent 差距接近 20 分；
• Graph-based RAG 普遍遇 construction wall：HippoRAG 2 止于 131,876 docs / MS-GraphRAG 止于 8,750 / LightRAG 止于 2,254；其可扩展变体（LinearRAG）在共享层级仍低于 BM25；
• 核心结论："语料扩张越来越偏向全局候选排序，词法检索是最强可扩展默认，智能体推理更适合在排序发现之后运行而非取代它"——颠覆"graph 总是更好"的工程假设；
• flyp 8-1 10:30 critical-read 反方审稿证伪线 L1-L3（⭐⭐⭐⭐⭐）：① EnterpriseRAG-Bench 单一 benchmark 外推风险 ② File-System Agent 80-call 预算 = 伪天花板 ③ HippoRAG 2 / MS-GraphRAG / LightRAG 截止 = 论文 system 失败而非 RAG 范式失败。
• 与活文档 knowledge/coding-agents.md v34 现有脉络的关系：
• v34 §2.3 评测表 28 行（沿用）+ v34 §2.94 (m) Beyond Relevance-Centric Retrieval arXiv:2607.19747（沿用 v34 §2.3 第五十二节点）+ AAAI Subramanian「Keyword search is all you need」arXiv:2602.23368v1（v34 §2.3 第五十三节点 立标级）→ 本场 = §2.3 评测表新增第 29 行 = BM25 Wins at Scale 28-tier 严格嵌套 + §2.94 (m) Beyond Relevance-Centric Retrieval + AAAI Subramanian「Keyword search is all you need」形成「RAG 范式转折三联立」；
• v34 §1 第十九阈值立标 = 评测第六维 7 件立标饱和 + 长上下文 anchor 4 范式饱和（沿用 v34 第十三轮 7-31 04:20）→ 本场 = §1 第十九阈值扩面 = RAG 范式转折 arXiv 号核证三联立 + BM25 Wins at Scale 立标级；
• v34 §3.1 共识 53（沿用）→ 本场 = 共识 54 候选新增 = "RAG 范式转折三联立 = AAAI Subramanian 'Keyword search is all you need' arXiv:2602.23368v1 + Beyond Relevance-Centric Retrieval arXiv:2607.19747 + BM25 Wins at Scale arXiv:2607.26497 = 词法检索是可扩展默认 + agentic rerank 优于 agentic 全程搜索"；
• v34 §4 开放问题 79（沿用）→ 本场 = 开放问题 80 候选新增 = "BM25 Wins at Scale EnterpriseRAG-Bench 单一 benchmark 外推风险（学术 / 法律 / 医疗 / 论文 / 专利长文+概念检索语料下 BM25 '~20 点领先'是否仍成立未被验证）+ File-System Agent 80-call 预算 = 伪天花板（200-call 或 turn-aware budget 是否夺回部分曲线）+ Graph-RAG 截止 = 实现失败而非范式失败"；
• v34 §5 边界（沿用）：BM25 Wins at Scale 与 rag.md §2.4 Graph RAG + §2.5 Hybrid Retrieval + §2.7 检索优化第 4 路径邻接 · 与 agent.md §2.2 Filesystem-Based Memory 邻接 · 与 multimodal.md §1.2 RAG 五路 → 决策与证据系统邻接。
• 建议归入节：
• §2.3 评测表 22 → 28 → 29 行（新增 BM25 Wins at Scale 28-tier 严格嵌套 = 第五十四节点）
• §2.94 (m) Beyond Relevance-Centric Retrieval + AAAI Subramanian 扩面为「RAG 范式转折三联立」（新增 BM25 Wins at Scale = 词法检索是可扩展默认）
• §1 第十九阈值扩面（RAG 范式转折 arXiv 号核证三联立 + BM25 Wins at Scale 立标级）
• §3.1 共识 53 → 54 候选新增（RAG 范式转折三联立）
• §4 开放问题 79 → 80 候选新增（EnterpriseRAG-Bench 单一 benchmark 外推 · File-Agent 80-call 预算 = 伪天花板 · Graph-RAG 截止 = 实现失败）
• §5 边界（与 rag.md / agent.md / multimodal.md 邻接）
• arXiv 号：arXiv:2607.26497（BM25 Wins at Scale: A Scaling Study of Retrieval-Augmented Generation Paradigms · USTC + Metastone + BAAS · v1 2026-07-30 · 28-tier / 450× · HF Daily 8-1 38▲）

警示 1 · 🟠 P0 警示 · Anthropic Project Glasswing 8-1 续立 + Mythos Preview AES Möbius Bridge 思维链 = v34 §1 frontier lab × 安全工程 + §2.5 第 10 阶 SteerGuard + 第十九阈值立标级 第 11 件 持续长尾

• 来源：
• inbox/stephen/2026-08-01-1004-news-yt-anthropic.md（Anthropic YT 8-1 5 件 · 含 Project Glasswing 致力于保护全球软件安全）
• inbox/stephen/2026-08-01-1002-news-anthropic-news.md（Anthropic news 8-1 多件）
• inbox/stephen/2026-08-01-ai-industry-e1prep.md 增量 2 + 增量 4（⭐⭐⭐⭐ + ⭐⭐⭐⭐ · EU AI Act 8-2 deadline 临门联动）
• inbox/flyp/2026-08-01-risk-e1prep.md（flyp 8-1 风险主题 EU AI Act 临门 + Project Glasswing 续接）
• 要点：
• Project Glasswing 8-1 续立：Anthropic YT 8-1 发布「Project Glasswing 致力于保护全球软件安全」= v34 §1 第十九阈值 frontier lab × 安全工程 第 4 次协同披露 续立；
• Mythos Preview AES Möbius Bridge 思维链 7-30 续立：v34 §1 第十九阈值 第 10 件立标 已固化 7-31 04:20，8-1 持续评论层长尾；
• Anthropic 7-22~7-30 五栖立标持续长尾 8 天立标密度最高一周 + 8-1 续立：
  • Opus 5 系统卡 7-27 morning（沿用）
  • Economic Index connector 7-27 morning（沿用）
  • Economic Futures Research Fund 议程第二阶段（沿用）
  • Public First Action 再捐 2000 万美元（沿用）
  • 7-29 NEW「使用 Claude 发现密码学弱点」（沿用）
  • 7-29 NEW「我们对开放权重模型的立场」（沿用）
  • 7-30 NEW Mythos Preview AES Möbius Bridge 思维链（沿用）
  • 8-1 NEW Project Glasswing 续立（本场增量）
  • = Anthropic 7-22~8-1 八栖立标持续长尾 10 天立标密度最高一周（沿用 v34 §1 第十九阈值 第 10 件 7 栖验证 第 1 例 + 8-1 扩面为 8 栖）；
• OpenAI 8-1「推进欧洲负责任 AI」公开表态 + Sam Altman 8-1 华盛顿窗口 = frontier lab × 监管治理 × 国际协作 三栖对位 8-1/8-2 联动 = EU AI Act 8-2 deadline 24h 临门 + 美国侧对位立法/自愿评估框架同步。
• 与活文档 knowledge/coding-agents.md v34 现有脉络的关系：
• v34 §1 第十九阈值 frontier lab × 安全工程 + 代理化扩展 + 路线层 + 资本层 + 国家科学战略 + 评论层 + 工业 MCP 安全 + 检索范式转折 十二栖合流立标（沿用 v34 §1 第一段）→ 本场 = §1 第十九阈值扩面 = Anthropic 7 栖 → 8 栖续立 + Project Glasswing 8-1 续立 + EU AI Act 8-2 deadline 24h 临门；
• v34 §2.5 安全契约 + 4 RCE CVE + Self-State Attacks 第 9 阶 + HACO 99.2% SLO + SeerGuard 第 10 阶 + AgentCI MCP 安全 + Isolation-as-First-Class 第 11 阶（沿用）+ v34 §2.5 Agent 安全三联立标层 = Cyber-Capable + OWASP ASI + microsoft/agent-governance-toolkit（沿用 v34 §2.5 7-30 新立标）→ 本场 = §2.5 第 10 阶 SeerGuard + Agent 安全三联 + Project Glasswing 8-1 续立 = frontier lab × 安全工程 第四次协同披露；
• v34 §5 边界（沿用）：Project Glasswing 与 risk.md §2.6 frontier lab + HF 官方 URL 沿用 · 与 agent.md §2.5 邻接。
• 建议归入节：
• §1 第十九阈值扩面（Anthropic 7 栖 → 8 栖续立 + Project Glasswing 8-1 续立 + EU AI Act 8-2 deadline 24h 临门）
• §2.5 第 10 阶 SeerGuard + Agent 安全三联 + Project Glasswing 8-1 续立（frontier lab × 安全工程 第四次协同披露）
• §3.1 共识 53 → 54 候选新增（Anthropic 八栖立标持续长尾 10 天立标密度最高一周 = frontier lab × 安全工程立基础栖饱和）
• §5 边界（与 risk.md / agent.md 邻接）
• arXiv 号：无新 arXiv（Anthropic YT 8-1 + Anthropic news 8-1 = 治理/公告线索 · 无 arXiv 编号 · 沿用 v34 §1 第十九阈值 第 10 件 Mythos Preview AES Möbius Bridge 7-30 已有 arXiv 号 · 8-1 Project Glasswing 无 arXiv）

二、值得警惕的矛盾或待核实说法

1. MirrorCode 25 目标程序是否覆盖 Windows GUI / Web 应用 / Mobile APP？ v34 §2.3 评测表 28 行 = CLI-only Unix 命令行生态；MirrorCode "仅通过 CLI 访问目标程序源码" 是 Unix 命令行生态成立条件，对 Windows GUI / Web 应用 / Mobile APP 类型程序不适用；评测覆盖面有限 ⚠️。待 v21 立标时确认"目标程序选择偏差" 是否需要补充文档说明。
2. MirrorCode 评测成本极高：单目标程序完成需 14 小时 + $100-$400 推理成本；25 个目标全部测完需要数十天 GPU 时间 + 数千美元——评测成本可能限制社区采用；需观察后续 leaderboard 信誉度 ⚠️。
3. MirrorCode "AI 可能 bootstrapping 工业文明形态的能力" 是 Jack Clark 推测性判断（Import AI 466 专家观点），非研究结论；v42 §3.2 争议 #6「榜单热度是否可作立标证据」延伸 = 「专家观点 vs 研究结论」的对位 ⚠️。
4. ByteByteGo 原文 8000 字截断，cost 数据无具体数值（"GPT-5.6 Sol cost 不到 Fable 5 一半" 是方向性表述，缺精确数值），精读全文前不宜引用为精确工程数据 ⚠️。
5. OpenAI 工程师口径的"三层"是 ChatGPT Agent 系统的实现层抽象，与 Lilian Weng 的"Harness 八元组公式"是抽象级别不同的两套切分——前者偏运行时 pipeline，后者偏系统组件；v21 §1 整合两者时需说明"两层抽象同时存在，不互相替代" ⚠️。
6. See2Think 1,200 样本偏小：v34 既有多模态评测样本规模对照 = VLM-CapCurriculum（规模?）/ LongVQUBench / TimeLens2（397B 限定）/ OCT-Bench——1,200 属于"小规模精准" 而非"大规模覆盖"；优势：严格排除纯文本可解样本；劣势：跨域泛化声明受限 ⚠️。
7. See2Think 4 种推理设置未完全覆盖 MLLM 推理栈：实际推理栈有 5-7 个关键节点（prompt 设计 / 视觉 token 插入位置 / 渲染工具 / 中间态缓存 / 多轮反馈等），4 设置只能部分覆盖 ⚠️。
8. See2Think head-to-head 缺：vs MIRA arXiv:2511.02779 v1（Visual CoT 评测）+ VisCoT（NeurIPS 2024）+ MLLM-as-a-Judge + Benchmarking Visual State Tracking arXiv:2606.03920 + VLM-CapCurriculum head-to-head 缺 ⚠️。
9. BM25 Wins at Scale EnterpriseRAG-Bench 单一 benchmark 外推风险（⭐⭐⭐⭐⭐）：所有数据点都来自 EnterpriseRAG-Bench（511,959 文档，9 类来源：wiki / 聊天 / 工单 / 邮件 / 会议转录 / CRM / code review 等），是"虚构 LLM inference 公司"语料；公司内部 wiki + 工单 + 邮件这一组合天然偏好 BM25 词法信号（人名、版本号、错误码、Jira ticket id）；对学术 / 法律 / 医疗 / 论文 / 专利等长文+概念检索语料，BM25 的"~20 点领先"是否仍成立未被验证 ⚠️。
10. BM25 Wins at Scale File-System Agent 80-call 预算 = 伪天花板（⭐⭐⭐⭐⭐）：File-System Agent 限制为 80 LLM calls/question；corpus scaling 时"sequential exploration"成本爆炸（39× query tokens at bedrock）；80-call 预算可能在 1M tokens 内饱和；若给 200-call 或 turn-aware budget，File-Agent 可能在 10M-50M 区间夺回部分曲线；而 BM25 在更大语料下的领先幅度会缩水 ⚠️。
11. BM25 Wins at Scale HippoRAG 2 / MS-GraphRAG / LightRAG 截止 = 论文 system 失败而非 RAG 范式失败（⭐⭐⭐⭐⭐）：HippoRAG 2 止于 131,876 docs / MS-GraphRAG 止于 8,750 / LightRAG 止于 2,254，不是 RAG 范式的天花板而是这些具体实现的工程天花板；作者把"实现截止"等同于"范式失败"是常见混淆 ⚠️。
12. Inkling-Small 是否真有官方模型卡发布？ Ben's Bites 8-1 1003 标题是「我有一个 Inkling（周末阅读链接）」，暗示这只是周末阅读材料；TLDR AI 8-1 头条「Inkling-Small 🧠」= 是 v33 7-31 头条「Inkling + GPT-5.6 降价 + Gemini Robotics 2」的延续并提到 Inkling-Small；未找到 Inkling-Small 独立的官方 HF 模型卡 URL；建议核实是 Thinking Machines 在 7-31 已发布 Small 档，还是仅为预告 / 传闻 ⚠️。
13. Sam Altman Capitol Hill 预览「未公开新模型」具体是哪一款？ 报道仅说「预览未公开新模型」，未给出模型名。Sam Altman 7-27 X 帖称「GPT-5.6 Sol 已 SoTA ARC-AGI-3」，与 Capitol Hill 预览是否同模型需要核实。若是 GPT-5.6 Sol 之外的独立新模型，可能是下一轮 frontier lab 大动作前兆 ⚠️。
14. Anthropic 8-1 YT Glasswing 与 7-30「调查网络安全评估三起真实事件」的因果关系？ v33 §2.142 主线 (176) 沿用「Glasswing + 调查三起真实事件」同源；8-1 YT 上 Glasswing 是 Anthropic 8-1 的延续动作还是宣布新 Glasswing 版本需要核实 ⚠️。
15. MSR SkillOpt + Memora 7-25 双连发是否在 v34 §2.4 第五十七节点候选完成闭环？ v34 §2.4 学术 Harness 4 维度叠加饱和触发 v36 维度收敛判定候选（沿用 v34 §2.4 §1 第一段）：维度 3 = MSR Memora 谐波记忆 + MSR SkillOpt（沿用）；8-1 paper_cards 批次未新增 Memora / SkillOpt 卡——闭环状态需 v21 立标时确认 ⚠️。

三、可引用的 arXiv 号列表（按主题归类 · 仅列出 7-30 ~ 8-1 期间的新论文 + 持续立标）

3.1 编码 Agent 主分类 · 评测邻接（4 件）

• arXiv:2607.26497 —— BM25 Wins at Scale · 28-tier / 450× / EnterpriseRAG-Bench / HF Daily 8-1 38▲ · 增量 5
• arXiv:2607.28580v1 —— DualG-MRAG · Beihang BUAA · ACM MM 2026 / 2607.28580v1 / Tom 8-1 radar #1
• arXiv:2607.28397v1 —— GLM-RAG · GLM vs GNN vs 向量检索系统性对比 / Tom 8-1 radar #2
• arXiv:2607.26769 —— See2Think · 13 作者团队 · 10 pages, 5 figures, 8 tables · paper_cards/685 8-01 已建卡 / HF Daily 8-1 21▲ · 增量 4

3.2 编码 Agent 邻接 · Memory / RAG / Harness / Multimodal（11 件）

• arXiv:2607.27958 —— Σ-Mem · 多智能体在线可靠性记忆 / HF Daily 8-1 21▲ / paper_cards/683 8-01 已建卡
• arXiv:2607.26637 —— Filesystem-Based Memory · UIUC + UCSD + UC Merced + Adobe + Texas A&M / HF Daily 8-1 21▲ / paper_cards/686 8-01 已建卡 · 选题榜 1 件（未立视频脚本）
• arXiv:2607.28362 —— ShadowDancer · video world model / Alaya Lab + 上海创新学院 / project page shadowdancer-1.github.io · flyp 8-1 09:50 + 15:50 双精读 · paper_cards/682 8-01 已建卡
• arXiv:2607.28263 —— CoMem · Qwen3-8B 冻结 + rank-32 LoRA + 层轴缓存 / ACL Rolling Review · flyp 8-1 09:50 精读 · paper_cards/678 8-01 已建卡
• arXiv:2607.20891 —— MisKnow-Agent · Deep Research 误导知识传播量化 / paper_cards/687 8-01 已建卡
• arXiv:2607.28126 —— ConMem · 工业巡检贡献感知记忆 / paper_cards/676 8-01 已建卡
• arXiv:2607.28319 —— Fairness Pruning · GLU-MLP 层人口统计学偏置定位 / paper_cards/684 8-01 已建卡
• arXiv:2607.26760v1 —— Metis · Memory Foundation Model · 240▲ · 沿用 v34 §2.139 + 立基础栖候选
• arXiv:2607.27919 —— Memory Decoder at Scale · 参数化长期记忆 / HF Daily 8-1 45▲
• arXiv:2607.27380 —— VideoCoCo · Agent 化双引擎物理一致视频生成的 Code-as-CoT / HF Daily 8-1 61▲
• arXiv:2607.28595 —— Beacon · 何时及如何进行 Agent 化视觉推理 / HF Daily 8-1 44▲

3.3 编码 Agent 邻接 · 模型 / 平台 / 综述（5 件）

• arXiv:2607.24653 —— Kimi K3 · 2.8T MoE · 50B 激活 · 1M ctx · MXFP4 + MXFP8 QAT · SWE Marathon 42.0 #1 / Program Bench 77.8 #1 / Terminal-Bench 2.1 88.3 · 沿用 v34 §2.2 主权开源 立基础栖 双联
• arXiv:2602.15763 —— GLM-5/GLM-5.2 · 744B 总参 / 40B 激活 · 1M context · DSA + IndexShare · AIME 2026 99.2 #1 / SWE-bench Pro 62.1 #1 / Terminal-Bench 81.0 · 沿用 v34 §2.2 主权开源 立基础栖 双联
• arXiv:2607.26410 —— Voice Memory · 语音 Agent Listener-Thinker-Speaker 模态分离记忆 / Tom 8-1 v2 radar #2
• arXiv:2607.26520v1 —— Graph-Native Bitemporal Memory Store · agent-local Neo4j + HNSW + 全 bitemporal / Tom 8-1 v2 radar #3
• arXiv:2607.27136v1 —— KAMR · Knowledge-Aligned Multi-hop Retrieval for Graph-based RAG · anchor vs connected 二分法 / Tom 8-1 v2 radar #4

3.4 持续立标 · 已建 paper_cards · v34 沿用（7 件）

• arXiv:2607.25996v1 —— RepoReasoner · paper_cards/660 7-31 已建 · 沿用 v34 §2.94 (d)
• arXiv:2607.25431 —— CodeNib · paper_cards/647 7-30 已建 · 沿用 v34 §2.94
• arXiv:2607.25959v1 —— Kontrast · paper_cards/644 7-30 已建 · 沿用 v34 §2.94
• arXiv:2607.25236 —— VisualPatchWorld · paper_cards 已建 · 沿用 v34 §2.94
• arXiv:2607.26784 —— SkillRise · paper_cards/659 7-30 已建 · 沿用 v34 §2.4 第 19 件候选
• arXiv:2607.25308 —— CAST · paper_cards/662 7-30 已建 · 沿用 v34 §2.4 第 20 件候选
• arXiv:2602.07962 —— LOCA-bench · 沿用 v34 §2.1 第四十二子节 + §2.3 评测表

3.5 非 arXiv 但可引用（6 件）

• Lilian Weng Harness Engineering for Self-Improvement（lilianweng.github.io/posts/2026-07-04-harness/）· 增量 2
• ByteByteGo ChatGPT Agent Loop 三层架构（blog.bytebytego.com/p/how-chatgpt-optimizes-its-agent-loop）· 增量 3
• MirrorCode Benchmark（github.com/epoch-research/MirrorCode · METR/Epoch AI）· 增量 1
• MSR SymCrypt Rust 密码学符号验证（microsoft.com/en-us/research/blog/verifying-rust-cryptography-in-symcrypt-from-standards-to-code）· 沿用 v34 §2.5 frontier lab × 密码学 第 8 维立基础
• MSR Echoverse Computer-Use Agent 合成世界（microsoft.com/en-us/research/blog/echoverse-deep-evolving-environments-for-computer-use-agents）· 沿用 v34 §2.6
• Anthropic Project Glasswing 8-1 YT · 警示 1

3.6 card 缺失重点提醒（v21 启动前必须补建卡 · 优先级极高）

HF Daily 8-1 票榜首 15 件中，仅 3 件（Metis / CLBench-V / Σ-Mem / ConMem / See2Think = 沿用 v33）已建 paper_cards，其余 12 件（AskChem / Qwen-UI-Agent / PhiZero / Frontis-MA1 / DistillAlign / VideoCoCo / Memory Decoder at Scale / Beacon / BM25 Wins at Scale / Flux-OPD / MPIE-Bench / ACE-Data-0 / Beyond Borrowed Histories）⚠️ paper_cards 全部未建（stephen 8-1 ai-industry-e1prep 警示沿用）。建议今晚 v21 立标前优先建卡： - P0 立标候选 = 必建 3 件：PhiZero arXiv:2607.28624（150▲ · 物理语言世界模型）/ Frontis-MA1 arXiv:2607.28568（144▲ · RSI）/ Memory Decoder at Scale arXiv:2607.27919（45▲ · 参数化长期记忆） - P1 立标候选 = 高优 4 件：Qwen-UI-Agent arXiv:2607.28227（265▲ · 国内 GUI Agent 立标）/ VideoCoCo arXiv:2607.27380（61▲ · 物理一致视频生成）/ Beacon arXiv:2607.28595（44▲ · Agent 化视觉推理）/ BM25 Wins at Scale arXiv:2607.26497（38▲ · RAG 范式转折）

四、本主题与邻接主题的边界（沿用 v34 §7 · 本棒微调）

• 与 agent.md（通用 agent 主题页）分工：本主题只覆盖编码 / 软件工程方向。Σ-Mem arXiv:2607.27958 + Filesystem-Based Memory arXiv:2607.26637 + MirrorCode + BM25 Wins at Scale 与 agent.md §1.45 frontier lab 9 栖 + §2.2 记忆与上下文工程 第六十二/六十三节点 邻接（本棒新增：Σ-Mem 与 Filesystem-Based Memory 立标候选已被 agent-e1prep-v37 spark 8-1 13:30 立标 → 双向 reference 强度升级）。
• 与 evaluation.md（评测方法学主题页）分工：MirrorCode + BM25 Wins at Scale + See2Think 与 evaluation.md 邻接（本棒新增：评测时间粒度第三级 + RAG 范式转折三联立 + 五维评测诊断完整闭环 = 与 evaluation.md R32 §4 维度矩阵双向更新）。
• 与 risk.md（风险主题页）分工：Project Glasswing 8-1 续立 + Anthropic 8-1 YT + Mythos Preview AES Möbius Bridge 思维链 7-30 续立 + EU AI Act 8-2 deadline 24h 临门 与 risk.md §2.6 frontier lab + HF 官方 URL 沿用（本棒新增：frontier lab × 监管治理 × 国际协作 三栖对位 8-1/8-2 联动 第 1 例 双向 reference）。
• 与 engineering.md（工程主题页）分工：ByteByteGo 三层架构 + Lilian Weng Harness Engineering 八元组公式 + Simon Willison MCP 2.0 stateless + MSR Echoverse 与 engineering.md §2.7 Agentic Engineering 学科化 + §2.5 推理工程学科化 邻接（本棒新增：Weng Harness 八元组公式作为 §2.7 学术 Harness 化理论锚点 + §2.5 推理工程学科化 补全）。
• 与 multimodal.md（多模态主题页）分工：See2Think + ShadowDancer + CoMem 与 multimodal.md §1.4 评测方法学 + §2.39.x VLA 飞轮 邻接（本棒新增：See2Think 五维评测诊断完整闭环与 multimodal.md §1.4 第四联 双向 reference）。
• 与 llm-application.md（应用主题页）分工：ByteByteGo + Lilian Weng Harness + MSR Echoverse + FutureAGI 五指标 与 llm-application.md §1.1 应用架构 + §1.4 评测与可靠性 邻接（本棒新增：v42 §1.1 应用架构已立基础 + 本场 ByteByteGo + Lilian Weng 八元组公式 = §1.1 补全"具体生产实例"）。
• 与 llm-infra.md（推理基础设施主题页）分工：ByteByteGo 三层架构 Inference 层（Cache-aware routing / KV cache 生命周期管理 / Speculative decoding / Prefill-decode separation） + Anthropic Project Glasswing 与 llm-infra.md §2.10 工程基础设施 邻接（本棒新增：ByteByteGo Inference 层技术细节补全 §2.5 推理工程学科化）。

五、本场对 v21 接力（今晚活文档）的具体动作建议

5.1 立标动作（高优 · v21 启动前必做）

1. §2.3 评测表 28 → 29 行新增 MirrorCode + See2Think + BM25 Wins at Scale（3 行新增 · 与现有 28 行并列）
2. §2.94 (g/h/i) 三联评测诊断扩面为「四联 + LEDGERMIND 第五联」（新增 See2Think 中间产物使用 + LEDGERMIND 证据账本可溯源）
3. §2.7 Coding Agent 工具集扩面 = Weng Harness 八元组公式 + Coding Agent 工具集 7 大类完整定义（28 件工具 · 与现有 Anthropic Claude Code / Codex CLI 等并列）
4. §2.7 工业件套扩面 = OpenAI ChatGPT Agent 三层架构 = 生产系统实例（与 Anthropic Claude Code + Cursor 等并列）
5. §1 第十九阈值扩面 = Anthropic 7 栖 → 8 栖续立 + Project Glasswing 8-1 续立 + EU AI Act 8-2 deadline 24h 临门
6. §1 第二十阈值扩面 = See2Think MLLM 评测方法学立标级 ★
7. §1 第十九阈值扩面 = RAG 范式转折 arXiv 号核证三联立 + BM25 Wins at Scale 立标级
8. §2.94 (m) Beyond Relevance-Centric Retrieval + AAAI Subramanian 扩面为「RAG 范式转折三联立」（新增 BM25 Wins at Scale）

5.2 共识 / 争议 / 开放问题动作（4 条候选新增）

1. §3.1 共识 53 → 54 候选新增（4 条候选新增：评测时间粒度三档立标 / Harness 八元组公式 / OpenAI ChatGPT Agent 三层架构 = 工业化层立基础 / See2Think 五维评测诊断完整闭环 / RAG 范式转折三联立 / Anthropic 八栖立标持续长尾）
2. §3.2 争议 39 → 41 候选新增（2 条候选新增：MirrorCode 专家观点 vs 研究结论 / ByteByteGo 三层 vs Weng Harness 八元组公式 = 抽象级别不同两套切分）
3. §4 开放问题 79 → 80 候选新增（6 条候选新增：MirrorCode Windows GUI/Web 应用覆盖 / MirrorCode 评测成本极高 / MirrorCode bootstrapping 工业文明形态 / ByteByteGo cost 数据缺具体数值 / Weng Harness vs ByteByteGo 两套切分 / BM25 Wins at Scale EnterpriseRAG-Bench 外推 / BM25 Wins at Scale File-Agent 80-call 预算 / BM25 Wins at Scale Graph-RAG 截止 = 实现失败 / See2Think 1,200 样本偏小 / See2Think 4 推理设置覆盖 / See2Think head-to-head 缺）
4. §5 边界双向 reference 强度升级（6 主题页与邻接主题边界微调）

5.3 必读清单动作（v21 启动前必补 paper_cards · 优先级极高）

• P0 立标候选 = 必建 3 件：PhiZero arXiv:2607.28624（150▲）/ Frontis-MA1 arXiv:2607.28568（144▲）/ Memory Decoder at Scale arXiv:2607.27919（45▲）
• P1 立标候选 = 高优 4 件：Qwen-UI-Agent arXiv:2607.28227（265▲）/ VideoCoCo arXiv:2607.27380（61▲）/ Beacon arXiv:2607.28595（44▲）/ BM25 Wins at Scale arXiv:2607.26497（38▲）
• P1 邻接补全 = 中优 5 件：AskChem arXiv:2607.28618（285▲）/ DistillAlign arXiv:2607.26811（87▲）/ Flux-OPD arXiv:2607.28022（37▲）/ MPIE-Bench arXiv:2607.27616（35▲）/ ACE-Data-0 arXiv:2607.28625（34▲）/ Beyond Borrowed Histories arXiv:2607.27816（30▲）

5.4 跨主题协调动作

• agent.md 双向 reference 升级：Σ-Mem 与 Filesystem-Based Memory 立标候选已被 spark 8-1 13:30 agent-e1prep-v37 立标（§2.2 第六十三节点候选）→ 与 coding-agents.md 双向 reference 强度升级
• evaluation.md 双向 reference 升级：MirrorCode + BM25 Wins at Scale + See2Think 与 evaluation.md R32 §4 维度矩阵 双向更新
• risk.md 双向 reference 升级：Project Glasswing 8-1 续立 + EU AI Act 8-2 deadline 24h 临门 与 risk.md §2.6 frontier lab + HF 官方 URL 沿用
• engineering.md 双向 reference 升级：ByteByteGo + Lilian Weng Harness 八元组公式 作为 §2.7 Agentic Engineering 学科化理论锚点
• multimodal.md 双向 reference 升级：See2Think 五维评测诊断完整闭环与 multimodal.md §1.4 第四联 双向 reference
• llm-application.md 双向 reference 升级：v42 §1.1 应用架构已立基础 + 本场 ByteByteGo + Lilian Weng 八元组公式 = §1.1 补全"具体生产实例"
• llm-infra.md 双向 reference 升级：ByteByteGo Inference 层技术细节（Cache-aware routing / KV cache 生命周期管理 / Speculative decoding / Prefill-decode separation）补全 §2.5 推理工程学科化

六、本场结论

8-1 E1 24h 净增量定性 = 中等偏低 + 主线净增量低 + 邻接补全 5 件 + 警示 1 件。承接 v34 第十三轮 19 阈值 + 第十四轮 SkillRise/Metis 闭环 + VisualPatchWorld + TurboVLA + 4 P0 + 安全五联立标层 + 第二十阈值饱和之后，编码 Agent 主题 8-1 边际增量核心：

1. 增量 1 P0 警示 MirrorCode = 编码 Agent 评测时间粒度第三级（数周级 CLI-only re-implementation）+ 与 RepoReasoner + SWE-bench 构成三档补完（5 → 6 行新增）
2. 增量 2 P1 邻接 Lilian Weng Harness Engineering 八元组公式 = §2.1 学术 Harness 化 理论锚点 + Coding Agent 工具集 7 大类 28 件完整定义（理论锚点升级）
3. 增量 3 P1 邻接 ByteByteGo 三层架构生产实例 = §2.7 工业件套扩面 + §2.5 推理工程学科化 补全（生产实例补全）
4. 增量 4 P1 邻接 See2Think MLLM 评测方法学 = §2.94 (g/h/i) 三联评测诊断扩面为「四联 + LEDGERMIND 第五联」+ 第二十阈值扩面（评测方法学立标级 ★）
5. 增量 5 P1 邻接 BM25 Wins at Scale = RAG 范式转折三联立 + §1 第十九阈值扩面（RAG 范式转折立标级）
6. 警示 1 P0 警示 Anthropic Project Glasswing 8-1 续立 = §1 第十九阈值扩面 = Anthropic 7 栖 → 8 栖续立 + EU AI Act 8-2 deadline 24h 临门（frontier lab × 安全工程立基础栖饱和）

净新增主线强增量 0 件 + 跨主题补全 5 件 P1 + 警示 2 件 P0 = 净增量 5 条 + 警示 2 条 = 7 条（注：警示 1 已计入 §1 第十九阈值扩面，与增量 5 邻接）。

v21 立标动作优先级： - P0 必做 3 件：① MirrorCode 评测表新增第 29 行 ② Weng Harness 八元组公式 §2.7 工具集完整定义 ③ ByteByteGo 三层架构 §2.7 工业件套扩面 - P1 必做 3 件：④ See2Think §2.94 四联 + LEDGERMIND 第五联扩面 ⑤ BM25 Wins at Scale §2.94 (m) RAG 范式转折三联立 ⑥ Project Glasswing 8-1 §1 第十九阈值 8 栖续立

v21 立标后预期结构变化： - §1 第十九阈值 8 栖续立 + 第二十阈值扩面 = 12 栖合流 → 13 栖合流 - §2.3 评测表 28 → 29 行 - §2.94 (g/h/i) 三联 → 五联 - §2.7 工业件套 + 工具集 28 件完整定义 - §3.1 共识 53 → 54 候选新增（4 条候选新增） - §4 开放问题 79 → 80 候选新增（6 条候选新增） - §5 边界双向 reference 强度升级（6 主题页微调）

arXiv 号归类汇总（本场新增 + 持续立标 共 20+ 件）： - 编码 Agent 主分类 + 评测邻接 4 件：arXiv:2607.26497 + arXiv:2607.28580v1 + arXiv:2607.28397v1 + arXiv:2607.26769 - 编码 Agent 邻接 Memory/RAG/Harness/Multimodal 11 件：arXiv:2607.27958 + arXiv:2607.26637 + arXiv:2607.28362 + arXiv:2607.28263 + arXiv:2607.20891 + arXiv:2607.28126 + arXiv:2607.28319 + arXiv:2607.26760v1 + arXiv:2607.27919 + arXiv:2607.27380 + arXiv:2607.28595 - 编码 Agent 邻接 模型/平台/综述 5 件：arXiv:2607.24653 + arXiv:2602.15763 + arXiv:2607.26410 + arXiv:2607.26520v1 + arXiv:2607.27136v1 - 持续立标 已建 paper_cards v34 沿用 7 件：arXiv:2607.25996v1 + arXiv:2607.25431 + arXiv:2607.25959v1 + arXiv:2607.25236 + arXiv:2607.26784 + arXiv:2607.25308 + arXiv:2602.07962 - 非 arXiv 但可引用 6 件：Lilian Weng Harness Engineering + ByteByteGo ChatGPT Agent Loop + MirrorCode + MSR SymCrypt Rust + MSR Echoverse + Anthropic Project Glasswing 8-1 YT - card 缺失重点提醒 v21 启动前必须补建 12 件：AskChem 285▲ + Qwen-UI-Agent 265▲ + PhiZero 150▲ + Frontis-MA1 144▲ + DistillAlign 87▲ + VideoCoCo 61▲ + Memory Decoder at Scale 45▲ + Beacon 44▲ + BM25 Wins at Scale 38▲ + Flux-OPD 37▲ + MPIE-Bench 35▲ + ACE-Data-0 34▲ + Beyond Borrowed Histories 30▲