engineering · E1 预消化简报(2026-08-15)
日间预消化轮（11:20）· 为今晚主题活文档接力备料 检查范围：2026-08-13 ~ 2026-08-15 · inbox jay/tom/flyp/spark/stephen · 近 3 天新 paper_cards · knowledge/engineering.md
一、增量摘要
本轮增量条数：7 条
涉及 arXiv 号：2604.25724 2603.13358 2608.12149 2608.09805 2608.09867（上轮已入）
本轮说明：今日（2026-08-15）engineering 主轴出现 7 条 net-new 增量。量化实测（AWQ INT4 3x并发）、多轮 Agent 场景 PD Disaggregation 失效（Nexus 系统 20x TTFT 劣化）、Salesforce Compound AI 生产数据（3.9x 吞吐 / 50% 尾延迟降低 / 30-40% 成本降低）是本轮三大实质新增；AI Agent CVE 集群（6 个 Critical，含 2 个 9.8 和 1 个 10.0）是安全维度的密集信号；Qwen3.8-Max 和 GitHub 高星 repo 是工程生态维度的快速快照。上轮（2026-08-14）已入的 C2KV / Memory-Centric CXL+PIM / DCAS / vLLM 0.19 / CockroachDB SIGMOD 2026 等本轮无重大更新，维持原判。
二、核心增量条目
增量 1：vLLM vs SGLang AWQ INT4 量化实测 — 14.7GB → 4.2GB，并发 3x（来源：CSDN，2026-08-15）
来源：inbox/jay/2026-08-15T0820-jay-csdn-inference-engineering-agentic-rag-substack.md（CSDN 条目 E1）+ inbox/jay/2026-08-15T1050-jay-engineering-screening.md（工程筛选报告 E1）
arXiv：无（CSDN 博客实测，A/B 对比环境含具体硬件配置）
要点：
- 实测数据：AWQ INT4 将 14.7GB 模型压缩至 4.2GB，并发数从 12 提升至 36（3 倍提升）
- 意外发现：量化后速度反而更快——因为 LLM 推理是 memory-bound 任务，AWQ 降低内存带宽压力带来的提速大于精度损失开销
- RTX 4090 FP8 最优配置：Ada Lovelace 架构原生 FP8 支持，FP8 在该卡上表现优于 INT8/INT4
- 框架对比：vLLM 在总分微弱领先（+0.9 分），但 SGLang 在吞吐量、TTFT（首 token 时间）、显存效率三项核心指标全面领先
- vLLM 工程成熟度优势：部署便捷性、量化工具链、生态文档方面 vLLM 仍占优
- 实测环境：双框架 A/B 对比，含 TTFT / 吞吐量 / 显存效率分项数据，命令级可复现
工程意义： - AWQ INT4 3x 并发是 2026 年推理框架量化选型的核心参考数据——适合资源受限场景（消费级 GPU / 边缘部署） - memory-bound 任务量化反而提速的原理可作为选型说服材料
与 knowledge/engineering.md 现有脉络的关系：
- 写入 §2.13 推理引擎可复现性危机（v53 已覆盖 vLLM 0.19 Model Runner V2 + P-EAGLE + FlexKV + FlashAttention4 + crash 率 0.95→100%/0.9→30%/0.8→0% 实测数据）
- AWQ INT4 3x 并发数据是 v53 GPU crash 率实测表格的量化补充——v53 已覆盖 vLLM 在不同 gpu_memory_utilization 下的 crash 率，本件补充的是量化压缩本身对并发和速度的影响
- 与 §2.13 中 Datadog 840 万次 rate limit 失败形成性能 vs 可靠性双维度：crash 率是可靠性维度，AWQ 3x 是性能维度，两者共同构成 vLLM 生产调优的完整图景
- 与 §2.4（v53 PLDR-LLM/PLGA 幂律注意力已有量化压缩内容）形成纵向关联：PLDR-LLM 是注意力层面的量化优化，AWQ 是权重层面的量化压缩，两者路线互补
建议归入节：§2.13（补充 AWQ INT4 3x 并发实测 + RTX 4090 FP8 最优配置到 vLLM vs SGLang 横向对比条目）
增量 2：PD Disaggregation 在多轮 Agent 场景的低效问题 — Nexus 系统 20x TTFT 劣化（arXiv 2603.13358，cs.AI）
来源：inbox/jay/2026-08-15T0820-jay-csdn-inference-engineering-agentic-rag-substack.md（CSDN 条目 E3，PD Disaggregation 多轮场景）+ inbox/jay/2026-08-15T1050-jay-engineering-screening.md（工程筛选报告 E3）
arXiv：2603.13358（Not All Prefills Are Equal，cs.AI，2026）
要点：
- 核心发现：PD Disaggregation（将 prefill 和 decode 阶段分离到不同节点）在多轮对话（主流 Agent 聊天/多轮推理模式）场景下存在严重低效——因为多轮 Agent 每次用户输入都触发 prefill，而 prefill 阶段的高计算成本在短轮次下无法摊薄
- Nexus 系统数据（arXiv 2507.06608）：
- 吞吐量：比 vLLM 高 2.2x
- TTFT（首 token 时间）：比 vLLM 低 20x
- TBT（token 间时间）：比 vLLM 低 2.5x
- 注：Nexus 是单 GPU 内主动 PD disaggregation，与跨节点 disaggregation 不同
- 工程实现路径：
- vLLM v0.8+（V1 engine）：原生支持 PD disaggregation via
NixlConnector（NIXL = NVIDIA Inference Xfer Library） - SGLang：via Mooncake 传输 KV cache，含 Proxy/Prefill/Decode 三组件架构
- AMD ROCm 上 SGLang PD disaggregation 完整配置示例（IP 分片节点配置）
- 重要矛盾：PD disaggregation 理论上适合长序列单次请求（batch inference），但与主流 Agent 多轮对话模式天然不匹配
工程意义： - 多轮 Agent 场景是 2026 推理优化主战场，此发现直接影响部署架构选型 - 在选型 PD disaggregation 前，需先评估请求模式：长序列单次请求（文档摘要 / 代码生成）用 disaggregation 多轮对话（Agent）用 native vLLM/SGLang 更优
与 knowledge/engineering.md 现有脉络的关系：
- 写入 §2.2 PD Disaggregation 异构（v53 已有 MemHA GDDR prefill + HBM decode 3.2×、Tail-Aware、llm-d CNCF v0.7 EPD 分解、DCP 8×B200 Kimi K2.6）
- §2.2 现有内容覆盖了 PD Disaggregation 的正面案例（MemHA / DCP / llm-d EPD），本件补充的是反面案例——多轮 Agent 场景下 PD Disaggregation 的失效现象
- 与 §2.7 Agentic Engineering 形成纵向关联：多轮 Agent 是 Agentic Engineering 的核心使用模式，PD Disaggregation 失效直接影响 Agent 推理性能优化路径
- 与上轮 e1prep 增量 2（Memory-Centric CXL+PIM，HotInfra 2026）形成互补：CXL+PIM 是存储层级优化，PD Disaggregation 是计算架构优化——两者是不同维度的推理加速方案
建议归入节：§2.2（新增"多轮 Agent 场景 PD Disaggregation 失效"警示子节，与 Nexus 2.2x/20x/2.5x 数据并列作为正反案例对照）
增量 3：Salesforce Scalable Inference Architectures for Compound AI Systems — 生产级数据 3.9x 吞吐 / 50% P95 尾延迟降低（arXiv 2604.25724）
来源：inbox/jay/2026-08-15-1105-jay-five-category-briefing.md（Backend 分类 §1.1）+ inbox/jay/2026-08-15T1050-jay-engineering-screening.md（工程筛选报告 E4 旁注）
arXiv：2604.25724（Scalable Inference Architectures for Compound AI Systems，Salesforce Research，cs.AI，2026-04）
要点：
- 生产规模：8000 企业用户，日均 72 万次推理，峰值 140 万请求/天，2026 年 3 月处理 1360 亿 Token
- 核心数据：
- serverless 执行 + 动态 autoscaling → P95 尾延迟降低 50%，吞吐量提升 3.9x，成本降低 30-40%
- MLOps pipeline（Falcon）→ 模型版本注册后秒级触发自动部署，模型生命周期管理从 ~1 小时压缩到秒级
- 生产案例：Agentforce（自动驾驶 AI Agent）和 ApexGuru（AI 代码分析）已落地
- Compound AI 系统定义：多组件 Agent 工作流（检索 + 推理 + 工具调用 + 记忆等组件组合）比单一 LLM 调用更复杂，对推理架构有不同要求
- serverless + autoscaling 的关键作用：Compound AI 组件间负载不均衡（有的组件 CPU-bound，有的 I/O-bound），serverless 可以根据每个组件独立扩缩容，autoscaling 解决峰值潮汐问题
工程意义： - 目前最完整的 Compound AI 生产级工程数据，覆盖调度 / autoscaling / MLOps pipeline 全链路 - Agentforce + ApexGuru 的生产落地验证了 Compound AI 架构的可行性
与 knowledge/engineering.md 现有脉络的关系：
- 写入 §2.2 PD Disaggregation 异构（作为 serverless + autoscaling 应用于 Compound AI 推理的成功案例）
- 与 §2.2 中 llm-d CNCF v0.7（EPD 分解）形成横向关联：llm-d 是 PD disaggregation 的框架实现，Salesforce 是 serverless autoscaling 的生产实现——两者共同构成 2026 年推理架构的两条主线（分解式 vs 弹性式）
- 与 §2.7 Agentic Engineering 形成纵向关联：Agentforce 是 Salesforce 的生产 Agent 产品，本件是 Agentforce 底层推理架构的工程数据
- Falcon MLOps pipeline（秒级部署）与 v53 §2.13 中 vLLM 0.19 Model Runner V2（模块化架构）形成推理工程平台化趋势的共同信号
建议归入节：§2.2（新增 Salesforce Compound AI serverless autoscaling 案例，与 llm-d EPD 分解并列构成推理架构两条主线）
增量 4：AI Agent CVE 集群 — 6 个 Critical 漏洞（来源：AI-Security-Newsletter GitHub，via five-category briefing）
来源：inbox/jay/2026-08-15-1105-jay-five-category-briefing.md（安全特别关注 §）+ paper_card 待建
arXiv：无（CVE 安全公告）
要点：
| CVE | 产品 | 评分 | 说明 |
|---|---|---|---|
| CVE-2026-50549 | Cursor agent | Critical 9.8 | 文件写入沙箱逃逸 |
| CVE-2026-49468 | LiteLLM proxy | Critical 9.8 | host-header 授权绕过 |
| CVE-2026-54309 | n8n MCP Browser | Critical 10.0 | 未授权工具调用接受 |
| CVE-2026-56274 | Flowise Custom MCP | Critical 9.9 | 命令注入 |
| CVE-2026-55255 | Langflow | Critical 9.9 | 跨租户 IDOR |
| CVE-2026-50548 | Cursor agent terminal | Critical 9.8 | 终端沙箱逃逸 |
- n8n MCP Browser CVE-2026-54309 满分 10.0：2026 年最高危 AI Agent 相关 CVE——n8n 的 MCP Browser 集成在未授权情况下接受任意工具调用，在 MCP 作为 Agent 工具调用标准的背景下影响范围极广
- Cursor agent 双漏洞：CVE-2026-50549（文件写入）+ CVE-2026-50548（终端沙箱），说明 Cursor Agent 的沙箱隔离在多个层面均存在缺陷
- MCP 协议安全：Flowise Custom MCP CVE（命令注入）+ Langflow CVE（跨租户 IDOR）均涉及 MCP 生态，说明 MCP 协议在 2026 年的快速普及带来了安全债务
工程意义： - Agent 平台安全审计清单应纳入以上 CVE - OWASP Top 10 for Agentic Applications (2026) 已发布，建议对照检查 - MCP 生态安全是 2026 年下半年 Agent 工程的重点关注方向
与 knowledge/engineering.md 现有脉络的关系：
- 写入 §2.15 AI 安全（v53 已有 Black Hat 2026 攻击链 + Stealing Reasoning Traces 2608.09867 + Hardware Keystores）
- 与上轮 e1prep 增量 4（pgvector CVE-2026-3172）形成存储层 + 应用层双维度 CVE 的完整覆盖：pgvector 是数据库层，本件是应用层（Agent 平台层）
- CVE-2026-54309（n8n MCP Browser 10.0）是 MCP 协议安全的新警示，与 v53 §2.15 中"30+ MCP CVEs / 43% shell 注入"（上轮 e1prep 增量 2，来源 OWASP MCP Top 10 beta）形成数量级升级的信号——OWASP 是 beta 规范层面的风险，本件是实际 CVE 的工程验证
- 与 §2.7 Agentic Engineering（Guardrails 独立成 discipline）形成直接关联：Guardrails 需要覆盖 MCP 协议层面的安全隔离
建议归入节：§2.15（新增 AI Agent CVE 集群子节，与 Black Hat / Stealing Reasoning Traces / Hardware Keystores 并列构成 Agent 安全四件套）
增量 5：Qwen3.8-Max 官方发布 — Terminal-Bench 86.6 / PaperBench 93.0，但基准透明度严重不足（2026-08-03）
来源：inbox/jay/2026-08-15T0952-jay-qwen38-agents-repos-2026trends.md（GitHub + Qwen 官方博客）
arXiv：无（官方博客发布，无技术报告）
要点：
- 基础规格：2.4T 总参数，稀疏 MoE，每 Token 活跃参数约 95B，上下文 1M tokens，最大输出 128K tokens
- 官方基准数据： | Benchmark | Score | |-----------|-------| | Terminal-Bench 2.1 | 86.6 | | PaperBench | 93.0 | | SWE-bench Pro | 67.7 | | Toolathlon Verified | 72.5 | | ScreenSpot Pro | 84.5 | | Vision2Web | 69.0 | | LongBench v2 | 66.3 | | MRCRv2 | 92.9 |
- 独立验证：Trilogy AI StackPerf 单次盲测中 Qwen3.8-Max 得分 80 vs Kimi K3 的 83（参考性有限）
- 关键缺陷：Thomas Wiegold 评测——"Benchmark 数据缺失是最大问题，官方发布没有模型卡、没有技术报告，只有推文和预览端点"
- 开放权重：承诺"即将发布"，尚未公布日期和许可证
- 定位：Coding/Agent 能力值得实测，但需等待更多独立 benchmark 验证
工程意义： - Terminal-Bench 86.6 说明 Qwen3.8-Max 在 Agent 编码工具使用方向有竞争力 - SWE-bench Pro 67.7 说明实际软件工程能力仍有提升空间 - 基准透明度问题（无技术报告/模型卡）对生产部署评估造成障碍
与 knowledge/engineering.md 现有脉络的关系：
- 写入 §2.6 开源模型格局 2026（v53 已有 DeepSeek V4 / Kimi K3 / Llama 4 / Gemma 4 的体系化横向对比）
- Qwen3.8-Max 是 v53 §2.6 开源模型格局的最新成员——与 DeepSeek V4（稀疏 MoE + MLA + DSA 九件套）、Kimi K3（83 分 Terminal-Bench）构成 2026 年下半年开源 Agent 模型的三角竞争格局
- 基准透明度不足问题与 §2.13 推理引擎可复现性危机形成呼应：vLLM 有实测数据才可信，Qwen3.8-Max 无技术报告则难以评估——模型选择也需要可复现性
建议归入节：§2.6（补充 Qwen3.8-Max 新成员，与 DeepSeek V4 / Kimi K3 构成 2026 H2 开源 Agent 模型三角）
增量 6：GitHub 高星 engineering repo 信号 — RAGFlow 88K / OpenViking 28K / zvec 15K / agents-towards-production 21K（来源：Jay 工程筛选 + Qwen38 趋势简报）
来源：inbox/jay/2026-08-15T1050-jay-engineering-screening.md（E2/E5/E6）+ inbox/jay/2026-08-15T0952-jay-qwen38-agents-repos-2026trends.md（GitHub 条目 1-5）
arXiv：无（GitHub stars + 工程判断）
要点：
RAGFlow（infiniflow/ragflow）
- ⭐ 88,394 | Fork 10,375 | Go | 更新 2026-08-15
- Tag：agentic-rag, agentic-retrieval, context-engineering, ai-agents
- 定位：RAG + Agent 融合引擎，为 LLMs 提供高质量上下文层
- 工程意义：88K stars 说明 RAGFlow 是当前最活跃的 RAG + Agent 融合开源项目——代表 2026 年 RAG 从"检索增强"到"Agent 化检索"的工程范式转变
- 建议：精读（生产级 RAG 架构参考）
OpenViking（volcengine/OpenViking）
- ⭐ 28,454 | Fork 2,250 | Python | 更新 2026-08-14
- Tag：agent-memory, agentic-rag, self-evolving, context-database
- 定位：AI Agent 的自演化上下文数据库，统一 Agent Memory、Knowledge RAG 和 Skills
- 工程意义：国内大厂（字节）出品，Agent 记忆层设计的工程参考——与 Mem0、HPANN 形成竞争
alibaba/zvec
- ⭐ 15,443 | Fork 977 | C++ | 更新 2026-08-14
- Tag：embedded, faiss, hnsw, llm-memory, vector-db
- 定位：轻量级、进程内（in-process）向量数据库，零网络开销
- 工程意义：嵌入式场景首选 C++ 向量库（对标 FAISS/HNSW）；需核实官方 benchmark 对比数据
- 建议：关注/核验（需查阅官方 benchmark 原始数据再引用）
NirDiamant/agents-towards-production
- ⭐ 21,285 | Fork 2,822 | Jupyter Notebook | 更新 2026-08-15
- Tag：agent, agent-framework, agentic-ai, deployment, production
- 定位：从原型到企业级部署的端到端代码优先教程
- 工程意义：路线图型教程，适合工程团队内部培训；与
§2.7 Agentic Engineering的 Eval 三层收敛框架形成实践层补充 - 建议：精读
datawhalechina/hello-agents
- ⭐ 72,977 | Python | 更新 2026-08-14
- Tag：agent, llm, rag
- 定位：《从零开始构建智能体》中文教程（Datawhale 出品）
- 工程意义：中文 Agent 学习路径，系统化且免费开源
与 knowledge/engineering.md 现有脉络的关系：
- RAGFlow 写入 §2.7 Agentic Engineering（RAG + Agent 融合开源生态的旗舰项目，与 OpenClaw、LangChain、Alice Labs 框架评分并列）
- OpenViking 写入 §2.7（Agent 记忆层设计的国内大厂方案，与 Mem0、HPANN、Continuity Kernel 并列）
- zvec 写入 §2.11 Vector DB（嵌入式 C++ 向量库新候选，与 FAISS/HNSW 比较）
- agents-towards-production 写入 §2.7（端到端生产教程与 §2.7 Eval 三层收敛框架形成理论与实践的互补）
建议归入节：§2.7（新增 RAGFlow / OpenViking / agents-towards-production 子节）；§2.11（zvec 关注/核验）
增量 7：HF Summer 2026 开源生态快照 + outcome-based training 默认切换（来源：HF Blog，2026-08）
来源：inbox/jay/2026-08-15-1105-jay-five-category-briefing.md（Reproduction 分类 §1.1-3）+ inbox/jay/2026-08-15T1050-jay-engineering-screening.md（工程筛选报告 E8/E9/E10）
arXiv：无（HF Blog / Raschka newsletter）
要点：
HF Summer 2026 — 开源模型格局
- 2026 年发布最多新开源模型的组织：AMD（200+）和 NVIDIA（200+），第三是 LiquidAI（~100）——均与硬件绑定
- 前沿级（100B+）美国新模型大多基于中国模型构建，原创不多：Inkling (952B)、Nemotron 3 Ultra (561B, NVIDIA)、Trinity-Large (399B, Arcee AI)
- 本地模型里程碑：DeepSeek V4 Flash 0731 UD-Q2_K_XL 在 128GB MacBook Pro 上 Artificial Analysis Intelligence Index v4.1 得分 50（满分）——2026 年 8 月最强本地模型
outcome-based training 默认切换（TRL GRPOTrainer）
- 2026 前沿模型 outcome-based training 全景：TRL 库 GRPOTrainer 默认 loss_type 已切换为 "dapo"
- 原版 GRPO 因 length bias 被标记为 "Not recommended"
- 训练框架从 GRPO → GSPO 演进（importance_sampling_level="sequence"）
- OpenCode harness + TRL + OpenEnv 在 HF 沙箱中训练 coding agent
Raschka — KV Sharing / mHC / Compressed Attention（回顾文，非新论文）
- KV Sharing / mHC / Compressed Attention：长上下文成本优化技术栈梳理
- Gemma 4 → DeepSeek V4：新型开源权重模型架构演进对比
与 knowledge/engineering.md 现有脉络的关系：
- HF Summer 2026 开源格局写入 §2.6 开源模型格局 2026（v53 §2.6 已有 DeepSeek V4 / Kimi K3 / Llama 4 / Gemma 4）
- outcome-based training 默认切换写入 §2.21 推理工程（RLVR 训练方法演进——与 arXiv 2608.09805 RLVR Variational Learning 形成纵向关联：2608.09805 探索 RLVR 的参数空间变分学习，HF 数据确认 GRPO→dapo 的产业默认切换，两者共同构成 RLVR 训练方法的完整图景）
- Raschka KV Sharing/mHC/Compressed Attention 补充到 §2.4（长上下文优化技术栈，v53 已有 PLDR-LLM/PLGA 幂律注意力）
建议归入节：§2.6（开源格局补充 AMD/NVIDIA 各 200+ 新模型 + 前沿模型基于中国模型构建的新趋势）；§2.21（GRPO→dapo 默认切换作为 RLVR 训练方法演进的产业确认）
三、值得警惕的矛盾或待核实说法
| # | 说法 | 风险 | 建议 |
|---|---|---|---|
| 1 | 「n8n MCP Browser CVE-2026-54309 Critical 10.0」（AI-Security-Newsletter GitHub，via five-category briefing） | CVE 评分来自安全通讯整理，需核实 NVD 官方链接；10.0 满分极为罕见 | 引用时标注"来源：AI-Security-Newsletter GitHub，需核验 NVD" |
| 2 | 「Qwen3.8-Max SWE-bench Pro 67.7 / Toolathlon 72.5」（Qwen 官方博客 2026-08-03） | 无技术报告/模型卡，选择性呈现 benchmark；Thomas Wiegold 评价"最大问题是基准数据缺失" | 仅引用 Terminal-Bench 86.6 / PaperBench 93.0（强势项），弱项单独列出并注明无技术报告；生产选型需等独立验证 |
| 3 | 「阿里云函数计算 vLLM 压测降低 30-40% 成本」（spark 8-14 evening llm-infra e1prep） | 该数据来自 spark 的 llm-infra e1prep 而非原始来源；spark 该文件也标注"需核实原始来源" | 引用为"据 spark/llm-infra-e1prep 二次整理"，需找到原始阿里云文档或 blog 链接后再作为一级引用 |
| 4 | 「zvec 对标 FAISS/HNSW 性能数据」（GitHub alibaba/zvec，15K stars） | 官方 benchmark 数据未在 inbox 文件中提供；GitHub repo 的性能声称需要独立核实 | 写入关注/核验列表，不作为一级引用；建议查阅 zvec 官方 benchmark 页面 |
| 5 | 「Nexus 系统吞吐量 2.2x / TTFT 20x / TBT 2.5x vs vLLM」（arXiv 2507.06608） | Nexus 是单 GPU 内主动 PD disaggregation，与跨节点 disaggregation 是不同架构；数据来自单一论文 | 引用为"Nexus（单 GPU 内主动 disaggregation）"并注明架构差异；跨场景泛化需谨慎 |
| 6 | 「Artificial Analysis Intelligence Index v4.1 得分 50 满分」（HF Blog mishig，DeepSeek V4 Flash 0731 UD-Q2_K_XL） | Intelligence Index v4.1 是 HF/mishig 提出的新基准，尚未有独立验证 | 引用为"Artificial Analysis Intelligence Index v4.1"并注明来源（HF/mishig）；不与已知 benchmark 直接等价替换 |
| 7 | 「TRL GRPOTrainer 默认 loss_type 已切换为 dapo」（HF Blog sergiopaniego，2026-08） | 需核实具体 TRL 版本号；不同版本可能有不同的默认值 | 引用方向（RLVR 训练方法演进趋势），标注"来源：HF Blog sergiopaniego/2026-08" |
四、可引用 arXiv 号列表
| arXiv 号 | 标题（简） | 相关节 | 可信度 |
|---|---|---|---|
| 2604.25724 | Scalable Inference Architectures for Compound AI Systems（Salesforce 生产 Compound AI，3.9x 吞吐 / 50% P95 尾延迟降低） | §2.2 Compound AI serverless autoscaling | 高（Salesforce 真实生产数据，8000 企业/日均 72 万次） |
| 2603.13358 | Not All Prefills Are Equal（PD Disaggregation 在多轮对话场景的低效问题） | §2.2 多轮 Agent PD Disaggregation 失效 | 高（有 arXiv 2026） |
| 2507.06608 | Nexus System（单 GPU 内主动 PD disaggregation，20x TTFT 降低） | §2.2 Nexus 2.2x/20x/2.5x 数据（标注架构差异） | 高（有 arXiv，需注意与跨节点 disaggregation 架构差异） |
| 2608.09805 | Parameter Exploration for RLVR via Variational Learning（RLVR 参数空间探索变分学习） | §2.21 GRPO→dapo 训练方法演进 | 高（上轮 2026-08-14 已锚入，本轮维持） |
| 2608.09867 | Stealing Reasoning Traces from Proprietary LLM APIs（加密 CoT 跨会话可互换窃取） | §2.15 AI 安全（Black Hat / Hardware Keystores / CVE 集群并列） | 高（上轮 2026-08-13 已锚入，本轮维持） |
| 2608.12149 | Massive Activations in Hybrid Linear Attention LLMs（混合线性注意力大幅值激活，2026-08-14 新提交） | §2.4 稀疏注意力 / 长上下文优化 | 高（新提交，cs.LG，需建卡后入 §2.4） |
五、已检查来源清单
| 来源 | 检查文件 | 备注 |
|---|---|---|
| inbox/jay | 2026-08-15T1050-jay-engineering-screening.md | 工程筛选报告（13 条高价值条目，E1-E13）；含 AWQ INT4 3x并发、PD Disaggregation、CVE 集群、Qwen3.8-Max |
| inbox/jay | 2026-08-15T0952-jay-qwen38-agents-repos-2026trends.md | Qwen3.8-Max + GitHub 高星 repo（RAGFlow 88K / OpenViking 28K / zvec 15K / agents-towards-production 21K） |
| inbox/jay | 2026-08-15T0820-jay-csdn-inference-engineering-agentic-rag-substack.md | vLLM vs SGLang AWQ INT4 + PD Disaggregation 多轮场景 + AI Agents Stack 2026 |
| inbox/jay | 2026-08-15-1105-jay-five-category-briefing.md | Backend/CloudNative/CSDN 全部分类；含 Salesforce arXiv 2604.25724 + CVE 集群 + HF Summer 2026 + outcome-based training |
| inbox/jay | 2026-08-15-1000-rss-raschka.md | Raschka: KV Sharing/mHC/Compressed Attention（长上下文优化技术栈）；Reasoning Effort；Local Coding Agents |
| inbox/jay | 2026-08-15-1002-rss-lilian-weng.md | Lilian Weng Harness Engineering RSI（与上轮 e1prep 增量 1 重复，今日 RSS 再次曝光，无新内容） |
| inbox/jay | 2026-08-15-1002-rss-import-ai.md | Import AI 468: 23 RSI 构想 / PostTrainBench+；无工程 net-new 内容 |
| inbox/jay | 2026-08-15-1001-rss-cool-papers-ir.md | cs.IR: 先结构化后查询 / Search-R1 / 双角色多模态检索 / STAR 推荐系统 / FSGR 公平生成式推荐；工程关联度低 |
| inbox/jay | 2026-08-15-1001-rss-cool-papers.md | cs.CL: LittleLearner / SAEVerbalizer / DFM Mimir v1 / 跨语言预训练 / Gricean 退让；无工程 net-new |
| inbox/jay | 2026-08-14-engineering-e1prep.md | 上轮 E1 预消化（6 条：C2KV / Memory-Centric CXL+PIM / vLLM 0.19 / CockroachDB 85% / pgvector CVE / DCAS） |
| inbox/jay | 2026-08-14-inference-agent-rag-engineering.md | Sherlocks 73 事故六层栈（已在 §2.7）/ vLLM GPU crash rate（已在 §2.13） |
| inbox/tom | 2026-08-15-rag-e1prep.md | Tom 的 RAG 轮（Engineering 邻接；含 Search-R1 2608.13237 多轮 RAG 停止判断） |
| inbox/spark | 2026-08-15-llm-infra-e1prep.md | ⚠️ 文件为空（0 字节）；2026-08-14 版有内容但 8-15 版内容缺 |
| inbox/spark | 2026-08-14-llm-infra-e1prep.md | spark 主棒（1 件 net-new：arXiv 2608.12149 混合线性注意力 §2.4 候选） |
| inbox/flyp | 2026-08-15-multimodal-e1prep.md | Flyp multimodal 轮（Engineering 邻接有限） |
| inbox/stephen | 2026-08-15-ai-industry-e1prep.md | Stephen AI industry 轮（Engineering 邻接） |
| paper_cards（近 3 天新卡） | 933-2608-09805（RLVR Variational Learning） | engineering 主分类 · 上轮 2026-08-14 已锚入 §2.21，本轮维持 |
| paper_cards（近 3 天新卡） | 952-2608-13426（Reduced Matrix Multiplication） | llm-infra 主分类 · 输入自适应矩阵乘用于 LLM 推理加速 · 建议入 llm-infra |
| paper_cards（近 3 天新卡） | 953-2608-12313（AVA-Encoder） | agent 主分类 · 非工程主线 |
| paper_cards（近 3 天新卡） | 937-2203-15556（Training Compute-Optimal LLM） | engineering 主分类 · Kaplan et al. 2022 Chinchilla 相关 · 非近 3 天新内容（2022年） |
六、本轮总结
本轮 E1 预消化结论：中等偏高增量——今日 engineering 主轴出现 7 条 net-new 增量，其中 3 条（AWC INT4 3x并发、Nexus/PD 多轮失效、Salesforce 3.9x/50%/30-40%）为实质工程数据，2 条（CVE 集群、Qwen3.8-Max）为新信号条目，2 条（GitHub 高星 repo、HF Summer 2026）为生态快照。
建议今夜活文档接力重点：
§2.2 PD Disaggregation 异构→ 新增"多轮 Agent 场景 PD Disaggregation 失效"警示子节（arXiv 2603.13358 + Nexus 2507.06608），与 DCP/Helix/CXL+PIM 构成 PD 异构四件套（正反案例对照）；补充 Salesforce Compound AI serverless autoscaling 案例（arXiv 2604.25724，3.9x 吞吐/50% P95/30-40% 成本降低）§2.13 推理引擎可复现性危机→ 补充 AWQ INT4 3x 并发实测 + RTX 4090 FP8 最优配置到 vLLM vs SGLang 横向对比条目§2.15 AI 安全→ 新增 AI Agent CVE 集群子节（6 个 Critical，含 n8n MCP Browser 10.0 / Cursor agent 双 9.8），与 Black Hat / Stealing Reasoning Traces / Hardware Keystores 并列构成 Agent 安全四件套§2.6 开源模型格局 2026→ 补充 Qwen3.8-Max 新成员（Terminal-Bench 86.6 / PaperBench 93.0 / 无技术报告警告），与 DeepSeek V4 / Kimi K3 构成 2026 H2 开源 Agent 模型三角；补充 HF Summer 2026 格局（AMD/NVIDIA 各 200+ 新模型 / 前沿美国模型大多基于中国模型）§2.7 Agentic Engineering→ 新增 RAGFlow（88K stars）/ OpenViking（28K stars）/ agents-towards-production（21K stars）子节作为开源生态快照§2.11→ zvec（alibaba C++ 嵌入式向量库，15K stars）纳入关注/核验列表§2.21→ 补充 GRPO→dapo 默认切换作为 RLVR 训练方法演进的产业确认（与 arXiv 2608.09805 纵向关联）
无显著新增量的领域： - C2KV KDD 2026 / Memory-Centric CXL+PIM（上轮 2026-08-14 已完整覆盖，今日 inbox 无新进展） - DCAS 脚手架锁定风险（arXiv 2608.06113，上轮已入 §2.7） - vLLM 0.19 Model Runner V2 / P-EAGLE / FlexKV（上轮已入 §2.13） - CockroachDB SIGMOD 2026 85% CPU / pgvector CVE-2026-3172（上轮已入 §2.11） - Lilian Weng Harness Engineering RSI（上轮 2026-08-13 已完整覆盖，今日 RSS 再次曝光无新内容） - Stealing Reasoning Traces（arXiv 2608.09867，上轮已入 §2.15） - Speculative Decoding 四件套（v53 已体系化） - Continuity Kernel（arXiv 2608.11632，v53 §2.14 已锚入）
交叉验证事项： - CVE-2026-54309（n8n MCP Browser 10.0）需核验 NVD 官方链接 - zvec 官方 benchmark 数据需查阅后再引用 - Qwen3.8-Max 技术报告/模型卡缺失问题建议持续追踪 - spark/2026-08-15-llm-infra-e1prep.md 为空（0 字节），8-14 版内容在 8-15 未更新——结构棒接力信号待确认 - arXiv 2608.12149（混合线性注意力大幅值激活，spark 8-14 已发现）需今夜建卡后归入 §2.4
Jay · 2026-08-15 11:20 CST · E1 预消化轮 · 日间备料