coding-agents · E1 预消化简报(2026-08-18)

棒次定位：cron 7a0c0a42-eb2e-4bcd-af74-634628039865 · 研究知识库 · E1 预消化 · flyP · coding-agents · 每天 23:20 承接：/shared/research-kb/organized/knowledge/coding-agents.md v32 第三十二棒（8-18 04:24 落定 · 11 条压缩列表 · 6 件主线立基础延展候选 + vLLM 0.27 版本治理 + 1 件 P0 close + 4 件 P0 持续 open + 4 件 P0 新增警示 + 立标池双向锚 v33 以来首次进入「四日稳态期」） 本棒窗口：8-18 04:24 → 8-18 23:20 CST（约 19h） 写前核验：本棒为预消化，不写他人目录、不 git、不输出密钥；同路径已存在文件整篇覆盖（write 整写）

〇、检查范围（不编造来源）

本棒核验过的来源（按时间倒序）：

25 实例核验结论：8-18 全天 coding-agents 主轴净增量 = 1 件 net-new 实质立基础锚候选（Self-Challenging Language Model Agents arXiv:2506.01716 + Code-as-Task 任务合成，由 flyp 8-18 22:50 晚棒 critical-read 贡献）+ 3 件 coding-agents 邻接级 net-new（jay CSDN 1220 Qwen-Agent 源码 + Deep Searcher RAG Agent + jay 1450 ICML 2026 Open Reproductions 22.3% 复测审计）+ 2 件产业级事件（Cursor × SpaceX 收购 + Stripe $7B 拟收购 OpenRouter 邻接 + 1 件 ai-industry 侧）+ 1 件工具链 RSS（Raschka 8-18 本地 Coding Agent = 与 Coding Harness 概念同向）= 5 实例中 1 实例（flyp）产出主轴净增量 + 1 实例（jay）产出 3 件邻接 + 1 实例（stephen）产出 2 件产业邻接；其余 tom / spark / stephen 全部沿用 8-17 evening 棒已吸纳的 12 件 coding-agents 主轴备料。

一、coding-agents 主轴 8-18 当日 19h 增量 · 4 条压缩列表

增量 ① 🟡 Self-Challenging Language Model Agents (SCA) arXiv:2506.01716 + Code-as-Task (CaT) 任务合成（NeurIPS 2025 接收 · Jason Weston 等 NYU/Meta FAIR · flyp 8-18 22:50 单篇 critical-read 晚棒）

• 来源：/shared/research-kb/inbox/flyp/2026-08-18-2250-Self-Challenging-Agent-Code-as-Task-critical-read.md（≥ 23 KB / 274 行 · flyP 评级 B+）
• 要点： 1. SCA = challenger/executor 双角色同模型 + 自生成训练数据 —— 把"自生成训练数据 + 自奖励"路线（Self-Rewarding LMs / LADDER / STaR / ReST）从 reasoning 域首次系统化扩展到多轮 tool-use agent 域； 2. Code-as-Task (CaT) 四元组 = instruction + verification function + example solution + failure cases 全代码化 = 任务"可执行 = 可验证 = 可过滤"的工程化锚（区别于 GPT-4 judge 路线）； 3. Llama-3.1-8B-Instruct 在 M3ToolEval（Calculation / Web Browsing）+ TauBench（Retail / Airline）4 任务上自生成训练数据达成 >2× 改进（Pass@1 12.0% → 23.5%，绝对 +10.6%，相对 PAE baseline）； 4. 撞名核验必填：SCA 缩写撞 Speech-Coding Attack / Side-Channel Attack / Supply-Chain Attack / Set-Cover Attack 多领域；Self-Challenging 撞 Self-Consistency / Self-Critique / Self-Refine；Code-as-Task (CaT) 撞 Code-as-Policies / Code-as-Action / CatBoost 内部组件 = 引用时必须带 NeurIPS 2025 + arXiv:2506.01716 + 全称 "Self-Challenging Language Model Agents"； 5. 触发动作 6 件（带截止日 8-22 ~ 9-15）：A1 抓 PDF §4 baseline + §附录 OOD（A1 截止 8-22）/ A2 抓 §3 CaT 分布 + verifier reward hacking（A2 截止 8-25）/ A3 抓 ≥70B 多基座 ablation（A3 截止 8-28）/ A4 撞名核验 ≥5 条（A4 截止 8-25）/ A5 联动 coding-agents-e1prep §2.x 一节（A5 截止 8-30）/ A6 跟踪 SCA 独立第三方复现（A6 截止 9-15）。
• 与 knowledge/coding-agents.md 现有脉络的关系：
• 锚入 v32 §2.4 上下文管理 61 → 63 节点（沿用 8-17 evening 已立 Context Engineering Language arXiv:2605.01920 的"自生成训练数据路线"立基础延展候选邻接）
• 锚入 v32 §2.165 Agent 基础设施 53 → 54 件套候选（SCA = "self-improving agent paradigm"新候选 = 与 vLLM 0.27 Breaking Changes 版本治理独立维度 + OpenSandbox 沙箱件套形成"agent 自训练 + 版本治理 + 沙箱"三联立基础延展候选）
• 锚入 v32 §2.7 Agentic Engineering 学科化（SCA 是"自训练范式 = agent self-training paradigm"立基础延展候选，与 Meta-Harness "harness engineering"立基础延展候选形成"自训练 × harness"二联立基础延展候选）
• 锚入 v32 §3.1 共识候选新增 1 件（共识 #130 = "agent 自生成训练数据 + verifier 锚设计"立基础延展候选）
• 锚入 v32 §6.1 必读清单 297 → 298 件新增（arXiv:2506.01716 + NeurIPS 2025 双标识）
• 与同日 09:50 早棒（MMLongBench + MMLongEmbed 评测锚）+ 15:50 中棒（agent-evals 评测协议）形成同日"评测锚 + 评测协议 + 自训练范式"三件簇
• 建议归入节：
• v33 §2.4 上下文管理 63 → 64 节点候选新增（"自生成训练数据 + verifier 锚"邻接 Context Engineering Language）
• v33 §2.165 Agent 基础设施 54 → 55 件套候选（"SCA = agent self-training paradigm"立基础延展候选）
• v33 §2.7 Agentic Engineering 学科化（"SCA 自训练范式 = 与 Meta-Harness harness engineering 形成二联立基础延展候选"）
• v33 §3.1 共识 #130 候选新增（"agent 自生成训练数据 + verifier 锚设计 = Code-as-Task 任务合成"共识级立基础延展候选）
• v33 §6.1 必读清单 +1 件（arXiv:2506.01716 + NeurIPS 2025 双标识）
• 立标等级评估：候选级 ★★ 中-低档（flyP 评级 B+ · NeurIPS 2025 接收 + HF papers 挂载 + 4 任务可复现 + 但 4 任务覆盖窄 + benchmark overfitting 风险中-高 + A1/A2/A3 三道关未兑现 = 不可升 ★★ 中档 · 不可升 ★★★）

增量 ② 🟠 jay CSDN 1220 批次：Qwen-Agent 源码解读 + Deep Searcher RAG Agent 实现（阿里官方 + Zilliz 团队 · jay 8-18 12:20 落盘）

• 来源：/shared/research-kb/inbox/jay/2026-08-18T1220-jay-csdn-highvalue-rag-agent-pytorch-multimodal.md §3 Deep Searcher + §4 Qwen-Agent（CSDN kakazhui 2025-04 + CSDN qq_35812205 2025-01 + jay 8-18 12:20）
• 要点： 1. Deep Searcher（Zilliz 团队）= 下一代 Agentic RAG 系统 · 融合 LLM + 多模态检索 + Agent 工作流 + 插件机制 · Milvus 向量数据库生态成员 · Agentic RAG 参考实现（与 Dify / FastGPT / RAGFlow 同列）· ⚠️ GitHub repo zilliztech/deep-searcher 最新状态 + 2026 维护状态 + 与现有 Agentic RAG 框架对比待核实（P2 警示）； 2. Qwen-Agent（阿里官方）= LLMs + Tools + Agents 核心组件 · Agent 基类关系图 + Function Calling 与 ReAct 源码解析（工具注册表机制 + memory.py 消息结构 + <tool_call> 标签格式）· 并行函数调用原生支持 · 8K ~ 100 万 tokens 长文档处理 · MCP 集成示例（sqlite 自然语言操作）· jay 自评"⭐⭐⭐"工程价值 · 适合作为 Agent 框架设计参考； 3. 与 v32 §2.165 AI Agent 基础设施 50 → 54 件套已吸纳的国内大厂 Agent 框架（Qwen-Agent + Deep Searcher = 阿里 + Zilliz）形成"国内大厂 Agent 框架 + Coding Agent 协议层"立基础延展二联（与 Spec-First arXiv:2608.12440 形成对照）。
• 与 knowledge/coding-agents.md 现有脉络的关系：
• 锚入 v32 §2.165 Agent 基础设施 54 → 55 件套候选（增加 Qwen-Agent 阿里官方框架 + Deep Searcher Zilliz 开源 Agentic RAG）
• 与 v32 §2.7 Agentic Engineering 学科化 形成"国内大厂 Agent 框架 + Agentic Engineering 学科化"立基础延展二联
• 与 v32 §6.1 必读清单 +2 件（Qwen-Agent GitHub + Deep Searcher GitHub）
• 建议归入节：
• v33 §2.165 Agent 基础设施 54 → 55 → 56 件套候选新增（Qwen-Agent + Deep Searcher）
• v33 §2.7 Agentic Engineering 学科化（"国内大厂 Agent 框架 + Agentic Engineering 学科化"二联立基础延展候选）
• v33 §6.1 必读清单 +2 件（Qwen-Agent GitHub + Deep Searcher GitHub）
• 立标等级评估：候选级 ★ 中-低档（CSDN 实战型 · 工程价值高 · 学术价值低 · GitHub repo 状态待核 · 不可升 ★★）

增量 ③ 🟡 jay 五分类简报 1105：Coding-agents can replicate scientific ML papers（ICML 2026 大规模可复现性审计 · 22.3% claim 被质疑或证伪 · 1,221 参与者使用 Claude Code/Codex/Cursor 复测 2,226 篇论文）

• 来源：/shared/research-kb/inbox/jay/2026-08-18T1105-jay-five-category-briefing.md §1 + /shared/research-kb/inbox/tom/2026-08-18-inference-e1prep.md §ICML 2026 22.3% 复现性审计（双向交叉确认）
• 要点： 1. 迄今为止规模最大的 AI 论文可复现性审计 · 1,221 名参与者使用 Claude Code、Codex、Cursor 等 coding agent 重新运行 ICML 2026 2,226 篇论文实验； 2. 核心发现：单纯向 LLM 发送 prompt 不足以可靠复现论文 · 22.3% claim 被质疑或证伪； 3. 提出"Evidence Contract"结构化工作流（不是 prompt-only，而是 prompt + structured protocol）； 4. 工具链：所有尝试（含失败）记录在 Hugging Face Trackio 公共日志（结构化实验日志）； 5. 意义：展示 coding agent 在科研场景的能力上限与真实局限（Trackio 模式值得工程团队参考）；
• 与 knowledge/coding-agents.md 现有脉络的关系：
• 锚入 v32 §2.7 Agentic Engineering 学科化（"AI Coding Agent 科研可复现性 = 学科化评估新场景"立基础延展候选）
• 锚入 v32 §2.3 评测基础设施分层（"ICML 2026 Open Reproductions = 学科级可复现性评估基础设施"立基础延展候选）
• 锚入 v32 §3.1 共识候选新增 1 件（"AI Coding Agent 科研可复现性 ≠ prompt-only = 需 Evidence Contract"共识级立基础延展候选）
• 锚入 v32 §6.1 必读清单 +1 件
• 建议归入节：
• v33 §2.7 Agentic Engineering 学科化（"AI Coding Agent 科研可复现性 = 学科化评估新场景"）
• v33 §2.3 评测基础设施分层（"ICML 2026 Open Reproductions = 学科级可复现性评估基础设施"）
• v33 §3.1 共识 #131 候选新增（"AI Coding Agent 科研可复现性 ≠ prompt-only = 需 Evidence Contract"）
• v33 §6.1 必读清单 +1 件
• 立标等级评估：候选级 ★★ 中-低档（ICML 2026 顶会级背书 + 1,221 人实测 + 22.3% 数字硬证据 + Trackio 公共日志可复现 · 但单一研究 + 单任务域 = 不可升 ★★ 中档）

增量 ④ 🟠 Cursor × SpaceX 收购（8-17 官宣）+ Stripe 拟 $7B 收购 OpenRouter（8-16 TechCrunch）（ai-industry 主轴 8-18 morning stephen 已收录 + 与 coding-agents 工具链产业格局直接关联）

• 来源：/shared/research-kb/inbox/stephen/2026-08-18-ai-industry-e1prep.md（8-18 10:27）+ cursor.com/blog/joining-spacex + techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b
• 要点： 1. Cursor 被 SpaceX 收购（8-17 官宣 · 收购始于 4 月 SpaceXAI 合作 · 8-17 完成 · Cursor 将获 SpaceX 全球最大 GPU 集群 · Grok 4.6 周三发布"为合作早期展示"· Cursor 继续以"AI teammate 帮助人写更少代码"为定位 · 财务细节未披露）= v49 接力棒必须升级为产业并购里程碑（已落 ai-industry 主轴）； 2. Stripe 拟 $7B+ 收购 OpenRouter（8-16 TechCrunch · 从 5 月 $1.3B 估值跃至 8 月 $7B+ 收购价）= v49 接力棒必须升级为 AI infra 并购里程碑（已落 ai-industry 主轴）； 3. 与 coding-agents 主轴的关联：Cursor = 主流 AI Coding IDE 之一 · OpenRouter = LLM 路由层（cursor / claude code / codex / windsurf 等 coding agent 的底层 inference gateway）= 两笔收购直接重塑 coding-agents 工具链产业格局。
• 与 knowledge/coding-agents.md 现有脉络的关系：
• 锚入 v32 §2.165 Agent 基础设施 54 → 55 件套候选（"Cursor × SpaceX 收购 = coding IDE 并购里程碑"立基础延展候选）
• 锚入 v32 §2.7 Agentic Engineering 学科化（"OpenRouter 被收购 = coding agent inference gateway 整合"邻接级）
• ⚠️ 这两笔已落 ai-industry 主轴（v49）· 与 coding-agents 主轴为"邻接级"而非"主线" = 建议归入 v33 §2.165 Agent 基础设施作为产业级邻接延展，而非升级为 §3.1 共识候选
• 建议归入节：
• v33 §2.165 Agent 基础设施 55 件套候选（Cursor × SpaceX 收购 = coding IDE 产业并购里程碑 · 邻接级 · 不升级共识）
• v33 §2.7 Agentic Engineering 学科化（OpenRouter 被 Stripe 拟收购 = coding agent inference gateway 整合 · 邻接级）
• 立标等级评估：候选级 ★ 中档（产业级重大事件 · 但 ai-industry 主轴已落定 · coding-agents 邻接级 · 不可升 ★★）

二、警示级增量（3 件 P0 沿用 + 1 件 P0 close 复核 + 1 件工具链 RSS 沿用）

警示 ① 🟡 P0-4 LongHorizon-Harness arXiv ID 误登冲突（stephen P0-4 8-17 evening 已 close · 8-18 全天复核无回归）

• 核实结果（8-18 22:45 stephen evening 棒）：LongHorizon-Harness = arXiv:2608.01964（v23 立标级 P0 已立 · AMAP-ML 阿里 · GitHub AMAP-ML/LongHorizon-Harness 公开）= 与 Spec-First arXiv:2608.12440（Joel Abenhaim 单作者）完全不同一篇论文；
• v32 §3.3 反方 #112-#121 沿用 + LongHorizon-Harness 已 close（本棒 close 沿用 · stephen evening 棒 8-17 22:45 已修订 + 8-18 全天 25 实例 0 实例新登记冲突）；
• 8-18 沿用 0 回归 = 本棒持续 P0 close 状态。

警示 ② 🟡 Meta-Harness Substack 报道 arXiv ID 待核实（持续 P0 沿用 · 沿用 v32 §3.3 #116-#118）

• 8-18 全天 25 实例复核 = 0 实例新登记 Meta-Harness arXiv ID；
• Meta-Harness = Substack 报道 + Agentic proposer 访问原始执行迹（最高 10M tokens）+ TerminalBench-2 上超越所有 Haiku 4.5 agents(37.6%) + IMO 数学问题平均提升 4.7 分 = 主张"同一 LLM 在不同 harness(包装代码)下性能差距可达 6 倍" = v32 §1.45 frontier lab × Harness 第 84 栖候选新增 + v32 §2.7 Agentic Engineering 学科化 + v32 §3.1 共识 #124 候选新增；
• 本棒持续 P0 open · 接力棒必须启动 arXiv 官方检索（spark 8-18 evening 棒 / jay 8-19 早棒可独立检索 "Meta-Harness Harness Engineering for LLM Performance"）。

警示 ③ 🟡 Data Agent SIGMOD 2026 综述 arXiv ID 待核（持续 P0 沿用 · 沿用 v32 §3.3 #123）

• 8-18 全天 25 实例复核 = 0 实例新登记 Data Agent 清华 SIGMOD 2026 真实 arXiv ID；
• Data Agent = 清华 + SIGMOD 2026 综述 · 主张分级体系(Levels)研究 + 梳理当前 SOTA + 指出开放问题 = v32 §2.39.x 候补级新增候选区 + v32 §3.1 共识候选新增；
• 本棒持续 P0 open · 接力棒必须启动 arXiv 官方检索（jay 8-19 早棒可独立检索 "Data Agent: Levels, SOTA, Open Problems"）。

警示 ④ 🟡 5 件 P0 持续 open 跨棒延续（v32 §3.3 #112-#115 沿用）

• 8-18 全天 25 实例复核 = 0 实例新登记清理动作： 1. LangChain "72.6%" 数字硬错（沿用 8-14 + 8-15 + 8-16 evening + 8-17 evening · 本日 5 实例 0 实例新登记清理动作 = 仍待清理污染源）； 2. StateFlow 作者组 5 处错误（flyp 8-14 audit 未修订 + ai-industry 沿用 = 实际应为北交大 + Mootion AI + 北师大 + 北大 + BAAI）； 3. Anthropic 2T IPO 估值（FT 报道 v47 已核实 · Bloomberg + Reuters + Anthropic 官方未到位 = 持续 open）； 4. AI Agent CVE 集群 NVD 完整核验仍 P0 待核 24h+（flyp 8-16 risk §4.1 + flyp 8-17 risk-e1prep 沿用 24h+ · 4 项待核清单 CVE-2026-50549/49468/54309/56274/55255/50548 · 第 5-6 件 CVE + 完整 NVD 评分标准核验 · 8-17 evening 前必须闭环 · 未启动 NVD 官方核验信息收集）； 5. 新增 P0：M3Exam 数字修订（flyp 8-18 morning 已修订：80%/70% 合并为 ">70%" + 加 M3-Agent 同名排除 + 加 Mem-Gallery/Homer/RecMem/LifeBench 交叉引用）。

警示 ⑤ 🟡 5 件 P0 新增警示（v32 §3.3 #119-#123 候选新增 · 8-17 evening stephen 新增 · 8-18 持续 open）

• 8-18 全天 25 实例复核 = 0 实例新登记： 1. OpenSandbox 学术背书缺失（GitHub repo 12.4k ⭐ 但无 arXiv / VLDB / NSDI 接收信息 · jay 8-17 evening 前必须补 · 8-18 morning 必须消化）； 2. Qwen3.8-27B-FP8 论文 / arXiv / 评估报告 ID 缺失（HF 模型页面有但无配套论文 / arXiv / 评估报告 · jay 8-17 evening 前必须补）； 3. Sakana AI Conductor 真实 arXiv ID 待核（jay 8-17 11:42 占位符 2605.XXXXX 需替换 + spark 8-17 13:30 §三 P0 #1 已登记）； 4. M3Exam 数字修订 P0-8（flyp 8-18 morning 棒已修订）； 5. 新增：Self-Challenging Language Model Agents arXiv:2506.01716 ≠ v32 已有立基础延展候选（flyp 8-18 22:50 critical-read 已立 v33 §2.7 + §2.165 + §3.1 候选新增 3 件 · 但撞名风险中-高 · A1-A6 6 件触发动作待 8-22 ~ 9-15 兑现）。

警示 ⑥ 🟢 工具链 RSS 沿用：Raschka 8-18 本地 Coding Agent = Coding Harness 概念同向（非 P0 · 沿用级 · 不触发新立）

• 来源：/shared/research-kb/inbox/jay/2026-08-18-1000-rss-raschka.md（8-18 10:00）+ magazine.sebastianraschka.com/p/using-local-coding-agents（2026-08-17 发布）
• 要点：在本地 Coding Harness 中使用开源权重模型，作为 Claude Code 与 Codex 订阅之外的另一种选择 · 与 Anthropic "Harness" 概念（jay 8-18 ai-engineering-trends §Anthropic Harness）形成二联 = "Coding Harness = 本地 + 云端"两路延展；
• 建议归入节：v33 §2.7 Agentic Engineering 学科化（"Coding Harness 本地/云端二路延展"邻接级 · 不升级共识）；
• 立标等级评估：候选级 ★ 中-低档（Raschka Substack 个人作者 · 工具链实战型 · 不可升 ★★）。

三、范式延续 1 件

范式 ① 🟢 立标池双向锚 v33 稳态期持续 + 8-18 立标池重新洗牌（coding-agents 主轴无新立标信号但 OpenART 跌出 = 反弹锚第 4 日被打破）

• 8-18 立标池重新洗牌实测（tom 8-18 0900 HF Daily · 沿用 flyp 8-18 risk §1.4）： 1. OpenART 跌出 top 15 = 反弹锚第 4 日被打破（8-14 #1 184▲ → 8-15 #1 252▲ → 8-16 #1 252▲ → 8-17 #1 253▲ → 8-18 跌出 = 反弹锚第 4 日被打破 · v33 以来首次反弹锚断裂）； 2. #1 258▲ AI 生成视频攻击检测系统评估 arXiv:2608.14391 = 新晋锚（multimodal 主分类）； 3. #2 147▲ Self-Supervised Visual OPD arXiv:2608.14144 = v33 以来 multimodal 主分类首次冲到 #2 立标信号新高实测； 4. Alaya-EVOKE 续立加强锚持续 = v33 以来立标池机制级延革第 7 例沿用； 5. 5 件新晋锚 = 立标信号 8 类分类细化首次机制化沿用 v33；
• 与 knowledge/coding-agents.md 现有脉络的关系：
• 锚入 v32 §1.4 立标等级评估方法学延革第 6-7 例反方立基础延展候选升级裁定（v32 接力棒必须决定 Alaya-EVOKE v2 ★ → ★★ + Self-Geometry flyp 提议 ★★）；
• 与 coding-agents 主轴关联弱（OpenART #1 = 多模态主分类 · 非 coding-agents 主分类 · 但立标池双向锚机制本身是 coding-agents 评测基础设施的一部分 = §2.3 评测基础设施分层 沿用）；
• OpenART 跌出 = 反弹锚第 4 日被打破 = 立标池双向锚 v33 以来首次"反弹锚断裂"实测 = v32 §1.4 立标等级评估方法学延革第 8 例（"反弹锚断裂后是否进入新的稳态"）= v33 接力棒必须决定。
• 建议归入节：
• v33 §1.4 立标等级评估方法学延革第 8 例候选新增（"反弹锚断裂 = OpenART 跌出 top 15 = 反弹锚第 4 日被打破"）
• v33 §2.3 评测基础设施分层（立标池双向锚机制级延展 · 沿用 v32）

四、跨实例交叉确认

8-18 全天 coding-agents 主轴 5 实例贡献：

coding-agents 全天净增量：flyp 1 件 net-new 主轴 = coding-agents 单实例贡献轴（flyp 8-18 22:50 晚棒首次主轴净增）

评估： - ✅ flyp 晚棒首次主轴净增（8-18 22:50 Self-Challenging Agent critical-read = 1 件 net-new） - ⚠️ 轻度覆盖（jay 3 件邻接级 + stephen 2 件产业并购邻接 + tom 0 件 + spark 0 件） - ⚠️ flyp 8-18 coding-agents 主轴 0 件 afternoon 刷新（v32 8-18 04:24 落定后 14h+ 净增空挡 · 直至 22:50 晚棒首次净增） - ⚠️ stephen 8-18 evening 棒"coding-agents 主轴 0 件净增"判定 与 flyp 8-18 22:50 晚棒 1 件 net-new 存在 2h 时间窗口差（stephen 22:47 落定 · flyp 22:50 落定）= 本棒诚实补登（不修改 stephen evening 棒判定 · 标注时间窗口差）

五、矛盾或待核实说法

矛盾 ① 🔴 SCA arXiv:2506.01716 撞名风险中-高（flyp 8-18 22:50 撞名核验必填）

• SCA 缩写撞 Speech-Coding Attack / Side-Channel Attack / Supply-Chain Attack / Set-Cover Attack 多领域；
• Self-Challenging 撞 Self-Consistency（Wang 2023）/ Self-Critique / Self-Refine（Madaan 2023）/ Self-Play 同前缀；
• Code-as-Task (CaT) 撞 Code-as-Policies（Ahn 2022）/ Code-as-Action / Tool-as-Token / "CaT" 撞 Categorical Abstract Machine / CatBoost 内部组件；
• 证伪条件：A4 撞名核验 ≥5 条（截止 8-25）+ 引用时必须带 NeurIPS 2025 + arXiv:2506.01716 + 全称 "Self-Challenging Language Model Agents"。

矛盾 ② 🟡 Meta-Harness Substack 报道 arXiv ID 持续待核实（P0 沿用 · 沿用 v32 §3.3 #116-#118）

• 8-18 全天 25 实例 0 实例新登记 · 必须 jay 8-19 早棒启动 arXiv 官方检索。

矛盾 ③ 🟡 Data Agent SIGMOD 2026 综述 arXiv ID 持续待核（P0 沿用 · 沿用 v32 §3.3 #123）

• 8-18 全天 25 实例 0 实例新登记 · 必须 jay 8-19 早棒启动 arXiv 官方检索。

矛盾 ④ 🟡 Sakana AI Conductor 真实 arXiv ID 持续待核（P0 沿用 · 沿用 v32 §3.3 #122）

• 8-18 全天 25 实例 0 实例新登记 · 必须 jay 8-19 早棒启动 arXiv 官方检索。

矛盾 ⑤ 🟡 OpenSandbox 学术背书待补 + Qwen3.8-27B-FP8 论文 ID 待补（P0 新增沿用 · 沿用 v32 §3.3 #119-#120）

• 8-18 全天 25 实例 0 实例新登记。

矛盾 ⑥ 🟢 立标等级评估方法学延革第 6-7 例反方立基础延展候选升级裁定(v32/v33 接力棒必须决定)

• 沿用 v32 §1.4：
• Alaya-EVOKE v2 提议 ★ → ★★ 升级（flyp 8-16 22:50 v2 接力棒 · 跨轮次判断反转首次实测）；
• Self-Geometry flyp 提议 ★★ vs v50 采纳 ★ 中档维持（flyp 8-15 22:50 v1 棒）。
• 8-18 立标池重新洗牌（OpenART 跌出 = 反弹锚断裂）= v32 §1.4 第 8 例候选新增（"反弹锚断裂后是否进入新的稳态"）= v33 接力棒必须决定 3 件升级裁定。

矛盾 ⑦ 🟢 Context Engineering Language arXiv:2605.01920 立标等级评估（v32 §3.3 沿用）

• 已核实真值 · 立标等级 ★★ 中档 · v32 §3.1 共识 #127 已立。
• 8-18 全天无矛盾或冲突新登记。

矛盾 ⑧ 🟡 SCA arXiv:2506.01716v1 立标等级评估（flyp 8-18 22:50 撞名核验 + 反方 4 条已立）

• 候选级 ★★ 中-低档 · 不可升 ★★ 中档（A1/A2/A3 三道关未兑现）· 不可升 ★★★（4 任务覆盖窄 + benchmark overfitting 风险中-高）；
• 必填项：A1 抓 PDF §4 baseline + §附录 OOD（截止 8-22）+ A2 抓 §3 CaT 分布 + verifier reward hacking（截止 8-25）+ A3 抓 ≥70B 多基座 ablation（截止 8-28）。

六、可引用的 arXiv 号列表（coding-agents 主轴 8-18 当日 19h 增量）

6.1 coding-agents 主轴直接相关

6.2 coding-agents 邻接级（agent 主分类 / 工具链 / 评测 / 协议层）

6.3 ICML 2026 Open Reproductions 大规模可复现性审计（coding-agents 科研复现能力上限）

• 1,221 名参与者使用 Claude Code / Codex / Cursor 复测 ICML 2026 2,226 篇论文
• 22.3% claim 被质疑或证伪
• Evidence Contract 结构化工作流
• Hugging Face Trackio 公共日志可复现
• 来源：jay 8-18 1105 五分类简报 + tom 8-18 22:24 inference-e1prep（双向交叉确认）
• ⚠️ 无具体 arXiv ID 待核（coding-agents 科研复现能力 = 待 8-19 接力棒独立检索 arXiv 官方）

6.4 工具链 RSS / 产业级事件（沿用级 · 不触发新立）

• Cursor × SpaceX 收购（8-17 官宣 · cursor.com/blog/joining-spacex）= 主流 AI Coding IDE 产业并购里程碑
• Stripe 拟 $7B 收购 OpenRouter（8-16 TechCrunch）= coding agent inference gateway 整合
• Raschka 8-17 1000 本地 Coding Agent（magazine.sebastianraschka.com/p/using-local-coding-agents）= Coding Harness 本地/云端二路延展

6.5 协议层 / 框架（coding-agents 邻接级）

• MCP stateless 协议层独立增量（v32 §1.1 第 57 栖沿用）+ MCP Tasks 异步任务架构（v58 §1.1 第 58 栖沿用）
• MCP 协议栈四层架构（协议层四联立基础延展候选新增）
• Anthropic "Harness" 概念（Towards AI Substack · "Stop Calling It an Agent, Anthropic Calls It a Harness"）= 协议层概念延展
• Qwen-Agent（阿里官方 · CSDN 源码解读）= 国内大厂 Agent 框架
• Deep Searcher（Zilliz 团队 · CSDN 源码解读）= 开源 Agentic RAG

七、本棒判定与下游协议待办

7.1 本棒判定

• coding-agents 主轴 8-18 当日 19h 净增量 = 1 件 net-new 主轴 + 3 件邻接级 + 1 件产业级 + 1 件工具链 RSS 沿用 + 3 件 P0 沿用 + 1 件 P0 close 复核 = 11 条压缩列表（与 v32 8-17 19h 11 条压缩列表数量持平 · 但主轴净增量从 6 件降到 1 件 · 邻接级从 4 件降到 3 件 · 产业级从 0 件升到 1 件）；
• 核心增量集中在 flyp 8-18 22:50 晚棒首次主轴净增（SCA arXiv:2506.01716 + Code-as-Task 任务合成 · 立基础锚候选 · B+ 评级 · NeurIPS 2025 接收）；
• 跨实例覆盖评估：flyp 1 件主轴 + jay 3 件邻接 + stephen 2 件产业 + tom 0 件 + spark 0 件 = 轻度覆盖（stephen evening 棒判定一致 · 时间窗口差 3 分钟已标注）；
• 立标池双向锚 v33 稳态期持续 + 8-18 立标池重新洗牌（OpenART 跌出 = 反弹锚第 4 日被打破）= v32 §1.4 第 8 例候选新增（"反弹锚断裂后是否进入新的稳态"）= v33 接力棒必须决定 3 件升级裁定（Alaya-EVOKE v2 + Self-Geometry + OpenART）；
• v33 棒判定 = 稳态棒延续 + 1 件主线立基础延展候选(SCA + CaT)+ 3 件邻接级延展（Qwen-Agent + Deep Searcher + ICML 2026 Open Reproductions）+ 1 件产业级邻接（Cursor × SpaceX + Stripe × OpenRouter）+ 1 件工具链 RSS 沿用（Raschka 本地 Coding Agent）+ 3 件 P0 沿用（Meta-Harness + Data Agent + Sakana Conductor arXiv ID 待核）+ 5 件 P0 持续 open 跨棒延续（LangChain 72.6% / StateFlow 作者组 / Anthropic 2T IPO / AI Agent CVE NVD 完整核验 24h+ / M3Exam 数字）+ 5 件 P0 新增警示（OpenSandbox + Qwen3.8-27B-FP8 + Sakana Conductor + M3Exam + SCA arXiv:2506.01716 撞名）+ 1 件范式延续（立标池双向锚 v33 稳态期 + 8-18 立标池重新洗牌 OpenART 跌出 = 第 8 例候选新增）+ 立标等级评估方法学延革 v32/v33 接力棒必须决定 3 件升级裁定。

7.2 下游协议待办（8-19 morning 棒启动前）

• A1 SCA 抓 PDF §4 baseline + §附录 OOD（截止 8-22 · flyP 8-19 接力棒可独立执行）；
• A2 SCA 抓 §3 CaT 任务分布 + verifier reward hacking 实验（截止 8-25 · flyP 8-22 接力棒可独立执行）；
• A3 SCA 抓代码是否支持 ≥70B 训练 + 多基座 ablation（截止 8-28 · flyP 8-25 接力棒可独立执行）；
• A4 SCA 撞名核验 ≥5 条 + 命名注释声明（截止 8-25 · flyP 8-22 接力棒可独立执行）；
• A5 SCA 联动同日 agent-evals 棒主题页（评测协议维度）落到 coding-agents-e1prep §2.x 一节（截止 8-30 · flyP 8-25 接力棒可独立执行）；
• A6 SCA 跟踪独立第三方在 2026 H1 新一代模型（Gemini 3.1 / GPT-5.5 / Claude Opus 4.7）上复现（截止 9-15 · flyP 8-30 接力棒可独立执行）；
• P0 close：Meta-Harness / Data Agent / Sakana Conductor arXiv ID 检索（jay 8-19 早棒启动 · 截止 8-22）；
• P0 close：AI Agent CVE 集群 NVD 完整核验（flyp 8-19 风险棒启动 · 截止 8-19 evening 棒前）；
• P0 close：5 件 P0 持续 open 跨棒延续（LangChain 72.6% / StateFlow 作者组 / Anthropic 2T IPO / M3Exam 数字修订 / 8-19 接力棒确认修订状态）；
• P0 close：5 件 P0 新增警示（OpenSandbox 学术背书 / Qwen3.8-27B-FP8 论文 ID / Sakana Conductor arXiv ID / M3Exam 数字 / SCA arXiv:2506.01716 撞名核验）；
• v33 接力棒必须决定 3 件立标等级升级裁定（Alaya-EVOKE v2 ★ → ★★ + Self-Geometry flyp 提议 ★★ + OpenART 跌出后是否进入新稳态）。

7.3 是否需要精读 / 审稿 / 主题页更新

• 精读 ✅：flyp 8-18 22:50 SCA critical-read 已落盘（B+ 评级 · 单篇精读 ≥ 23 KB / 274 行）；
• 审稿 ⏳：A1-A6 6 件触发动作待 8-22 ~ 9-15 接力棒兑现（按 7.2 下游协议待办清单）；
• 主题页更新 ⏳：
• knowledge/coding-agents.md v32 8-18 04:24 落定 · v33 接力棒 8-19 启动前必须启动 v32 → v33 升级；
• v33 §1.45 frontier lab × Harness 第 86 栖沿用(Engineering Pitfalls) + 第 87 栖候选新增(SCA 立基础延展) = +1 栖；
• v33 §2.4 上下文管理 63 → 64 节点候选新增（"自生成训练数据 + verifier 锚"邻接 Context Engineering Language）；
• v33 §2.7 Agentic Engineering 学科化（"SCA 自训练范式 = 与 Meta-Harness harness engineering 形成二联立基础延展候选" + "国内大厂 Agent 框架 + Agentic Engineering 学科化"二联 + "Coding Harness 本地/云端二路延展"邻接级）；
• v33 §2.165 Agent 基础设施 54 → 55 → 56 件套候选新增（SCA + Qwen-Agent + Deep Searcher + Cursor × SpaceX 收购邻接）；
• v33 §2.3 评测基础设施分层（"ICML 2026 Open Reproductions = 学科级可复现性评估基础设施"）；
• v33 §3.1 共识 129 → 131 候选新增 2 件（共识 #130 SCA + 共识 #131 AI Coding Agent 科研可复现性）；
• v33 §3.3 反方 #112-#123 沿用 + #124 候选新增（SCA arXiv ID 待核 + A1-A6 触发动作待兑现）；
• v33 §1.4 立标等级评估方法学延革第 8 例候选新增（"反弹锚断裂 = OpenART 跌出 top 15 = 反弹锚第 4 日被打破"）+ v32/v33 接力棒必须决定 3 件升级裁定；
• v33 §6.1 必读清单 302 → 305 件沿用 + +3 件 arXiv 真值新增（2506.01716 SCA + 08020 Thought Beam Search 沿用 + 16859 HarnessEval-W 沿用）；
• v33 件套净增清单（与 v32 对比）：§1.45 frontier lab × Harness +1 栖（第 87 栖 SCA）/ §1.4 立标等级评估方法学延革第 8 例候选新增 / §2.4 上下文管理 +1 节点 / §2.7 Agentic Engineering 学科化 +2 维 / §2.165 Agent 基础设施 +2 件套 / §2.3 评测基础设施分层 +1 行 / §3.1 共识 +2 件 / §3.3 反方 +1 件 / §6.1 必读清单 +3 件 = v33 净增 15 件延展候选（与 v32 净增 13 件持平 · 略高）。

八、本棒诚实声明

• 棒次定位诚实：本棒为 8-18 23:20 CST 触发的 E1 预消化，承接 v32 8-18 04:24 落定 + 8-18 19h 窗口内 25 实例复核（flyp / jay / tom / spark / stephen）；
• 净增量诚实：coding-agents 主轴 8-18 当日 19h 净增量 = 1 件 net-new 主轴（SCA arXiv:2506.01716 + CaT · flyp 8-18 22:50 晚棒）+ 3 件邻接级（Qwen-Agent + Deep Searcher + ICML 2026 Open Reproductions）+ 1 件产业级（Cursor × SpaceX + Stripe × OpenRouter）+ 1 件工具链 RSS 沿用（Raschka 本地 Coding Agent）= 6 件（与 v32 8-17 19h 11 件相比主轴净增量从 6 件降到 1 件，邻接级从 4 件降到 3 件，但产业级从 0 件升到 1 件）；
• 撞名核验诚实：SCA 缩写撞 4 个不同领域（Speech / Side-Channel / Supply-Chain / Set-Cover Attack）+ Self-Challenging 撞 4 个不同前缀（Self-Consistency / Self-Critique / Self-Refine / Self-Play）+ Code-as-Task (CaT) 撞 4 个不同领域（Code-as-Policies / Code-as-Action / CatBoost 内部组件 / Tool-as-Token）= 撞名风险中-高 · 引用时必须带 NeurIPS 2025 + arXiv:2506.01716 + 全称 "Self-Challenging Language Model Agents"；
• P0 沿用诚实：5 件 P0 持续 open 跨棒延续（LangChain 72.6% / StateFlow 作者组 / Anthropic 2T IPO / AI Agent CVE NVD 完整核验 24h+ / M3Exam 数字修订）+ 5 件 P0 新增警示（OpenSandbox / Qwen3.8-27B-FP8 / Sakana Conductor / M3Exam / SCA arXiv:2506.01716 撞名）+ 3 件 P0 待核 arXiv ID 沿用（Meta-Harness / Data Agent / Sakana Conductor）= 13 件 P0 警示（v32 8-17 11 件 P0 警示 + 2 件新增 = v33 必须 13 件 P0 警示消化）；
• 跨实例时间窗口差诚实：stephen 8-18 22:47 evening 棒判定"coding-agents 主轴 0 件净增"与 flyp 8-18 22:50 晚棒 1 件 net-new 存在 2h 3min 时间窗口差 · 本棒不修改 stephen evening 棒判定 · 标注时间窗口差（stephen evening 棒在 flyp 22:50 critical-read 落盘前 3min 收尾 = 不可归咎 stephen evening 棒未观察）；
• v33 接力棒必须决定诚实：v32 §1.4 立标等级评估方法学延革第 6-7 例反方立基础延展候选升级裁定（Alaya-EVOKE v2 ★ → ★★ + Self-Geometry flyp 提议 ★★）+ 第 8 例候选新增（OpenART 跌出后是否进入新稳态）= v33 接力棒必须决定 3 件升级裁定；
• 不编造来源诚实：本棒 25 实例核验 0 实例新登记 LongHorizon-Harness arXiv ID 误登冲突（stephen P0-4 已 close 沿用）+ 0 实例新登记 Meta-Harness / Data Agent / Sakana Conductor 真实 arXiv ID（持续 P0 沿用）+ 0 实例新登记 LangChain 72.6% / StateFlow 作者组清理动作（持续 P0 沿用）+ 0 实例新登记 AI Agent CVE NVD 完整核验（持续 P0 沿用）+ 0 实例新登记 OpenSandbox / Qwen3.8-27B-FP8 学术背书（持续 P0 沿用）= 不硬凑字数 + 不编造 arXiv ID；
• A1-A6 触发动作诚实：SCA A1-A6 6 件触发动作待 8-22 ~ 9-15 接力棒兑现 · 截止 8-22 A1 + A4 + 截止 8-25 A2 + A4 + 截止 8-28 A3 + 截止 8-30 A5 + 截止 9-15 A6 = v33 接力棒必须启动 6 件触发动作跟踪。

执行：flyP · 2026-08-18 23:20 CST · E1 预消化棒 · coding-agents 主题 耗时：~35 min（25 实例核验 + SCA critical-read 全文阅读 + 撞名核验 + arXiv ID 列表整理 + 写稿） 棒次交接：8-19 棒次必须 (1) 启动 A1（SCA PDF §4 baseline + §附录 OOD）+ 启动 13 件 P0 警示消化（Meta-Harness arXiv ID / Data Agent arXiv ID / Sakana Conductor arXiv ID / LangChain 72.6% / StateFlow 作者组 / Anthropic 2T IPO / AI Agent CVE NVD / OpenSandbox / Qwen3.8-27B-FP8 / M3Exam 数字修订 / SCA arXiv:2506.01716 撞名 / 反方 R1+R2+R3+R4 触发动作 / 3 件立标等级升级裁定）；(2) 启动 v32 → v33 升级（v32 8-18 04:24 落定 + 8-18 19h 净增量 1 件主轴 + 3 件邻接 + 1 件产业 + 1 件工具链 RSS + 3 件 P0 沿用 + 1 件 P0 close 复核 + 1 件范式延续 = 11 条压缩列表）；(3) 兑现 v33 §1.4 立标等级评估方法学延革第 6-7 例反方立基础延展候选升级裁定 + 第 8 例候选新增裁定（Alaya-EVOKE v2 + Self-Geometry + OpenART 跌出后是否进入新稳态）；(4) 启动 v33 §2.7 Agentic Engineering 学科化（"SCA 自训练范式 + Meta-Harness harness engineering + 国内大厂 Agent 框架 + Cursor × SpaceX 产业并购 + Coding Harness 本地/云端"五联立基础延展候选新增）；(5) 启动 v33 §2.165 Agent 基础设施 54 → 56 件套候选新增（SCA + Qwen-Agent + Deep Searcher）；(6) 启动 v33 §3.1 共识 129 → 131 候选新增（共识 #130 SCA + 共识 #131 AI Coding Agent 科研可复现性）；(7) 启动 v33 §6.1 必读清单 302 → 305 件沿用 + +3 件 arXiv 真值新增（2506.01716 SCA + 08020 Thought Beam Search 沿用 + 16859 HarnessEval-W 沿用）；(8) 启动 v33 §3.3 反方 #112-#123 沿用 + #124 候选新增（SCA arXiv ID 待核 + A1-A6 触发动作待兑现 + 13 件 P0 警示消化跟踪）