agent · E1 预消化简报(2026-09-04)

  • 实例：spark
  • 基线：organized/knowledge/agent.md v80（cutoff 2026-09-04 10:30 CST）
  • 窗口：重点检查 9 月 3—4 日新增内容，并以 v80 截止点为界判断是否构成净增量
  • 结论：本轮有 3 条值得今晚接力棒继续消化的净增量；其中 1 条是 v80 截止后的 agent 新候选，2 条是截止后新入库卡片的实测命中。另有一条 agent 新卡已存在但属于旧 arXiv 池，只算实体补强而非编号净增。

一、今天的 3 条重要增量

1. Harness 从“被测对象”进入“自我演化对象”，新候选已进入 agent 主轴

  • 来源：work-queue.md（2026-09-04 12:00）、tom 2026-09-04T0840-agent-rag-longcontext-radar.md、stephen 2026-09-04-1245-coord-check-noon.md、flyp 2026-09-04-multimodal-e1prep.md；v80 knowledge/agent.md 已将 HarnessDev 标为 v80 #163，但 paper_card 仍标“待入库”。来源链是：Tom 雷达与 Flyp 多模态简报给方法摘要，Stephen noon 协调检查再次确认 arXiv:2609.00196 WHALE 的 22 票信号。
  • 要点：WHALE（Weight-Harness Alternating LEarning）交替执行两阶段：先在当前 harness 下更新模型权重，再搜索上下文管理与控制流代码；搜索空间不限于文本 prompt。Tom 将其列为 agent 候选，Flyp 记录 22 票并建议维持 ☆，协调检查认为它与 EnvHarness、HarnessDev、连续 harness 演化工作共同构成“harness 自演化/联合优化”方向。
  • 与活文档脉络的关系：v80 已在 §2.2、§2.X.1、§2.X.2 与 T214 将 HarnessDev 放入“自我演化 Harness + 自我评测 + 自我测试”第三十一脉络，并将 WHALE 作为 #166（joint harness-weight optimization）。因此 WHALE 不是新脉络，而是 v80 截止前已存在、截止后得到跨实例一致承接的候选。晚间接力时不应重复创建新脉络，只应补强 #166 的证据与矛盾。
  • 建议归入节：§2.2“立标池双向锚”#166、§2.X.1“自我演化 Harness/自我评测/自我测试”、T214；在 §3.3 增加一条 WHALE 与 HarnessDev、Harness-of-Harness、EnvHarness 的联合对照，不另开编号。

2. LLAMIA-Bench：语言编排器与非语言智能体协作的“语言化瓶颈”可被系统评测

  • 来源：tom 2026-09-04-rag-e1prep.md 引用的候选表，以及近 3 日 paper card 抽查中的 paper_cards/1206-2609-00474.md。卡片主分类 agent、形态 application，标题为“Exploring Collaboration between a language and a non-language agent”。
  • 要点：论文提出 LLAMIA-Bench，六个国际象棋协作任务，从行为、表示等三个维度研究“语言化”是否构成瓶颈：LLM 编排器必须把非语言智能体丰富的连续表示压缩成稀疏文本摘要，再据此协调行动。
  • 与活文档脉络的关系：v80 §2.X.2 已有多 Agent 协作、Agentic Game Dev、Skills、协作拓扑等脉络；§3.2 也讨论“自我演化的能力 vs 工具化增强”。LLAMIA-Bench 的增量不在另一个多 Agent 框架，而在于把跨模态交接的接口损失正式化：不是让语言模型直接替代强非语言控制器，而是测量语言协议能否保留其状态并完成任务。它可作为第三十一脉络“工具化增强/接口治理”的反方边界，也可放入 §3.3 新开放问题。
  • 建议归入节：§2.X.2“关键工作脉络”第三十一脉络的接口层补充；§3.3 新增 Q105.204（若文档编号已占用则顺延）：语言化摘要的信息损失与动作安全边界；§3.2 记录“能力增强 vs 信息接口损失”的争议。

3. “无知还是无能？”——知识门控任务把 Agent 失败原因拆成可验证变量

  • 来源：paper_cards/1209-2608-30322.md、tom 2026-09-04-rag-e1prep.md 候选清单；卡片主分类 agent、形态 benchmark，标题为“Ignorance or Incompetence? Constructing Knowledge-Gated, Verifiable Tasks for LLM Agents”。
  • 要点：论文将任务指令与包含私有约定、参考表、效用算子的紧凑工件分离；提供/隐藏工件两种条件下任务指令保持字节一致，并通过构造时 provenance、泄漏审计和可执行 witness 显式验证依赖。卡片摘要提到 15 项校准任务。
  • 与活文档脉络的关系：v80 已把 AgentJudgeBench、S3Gym、EarlyEval、HarnessDev 等置于评测方法学与第三十一脉络；§3.3 已有对“评测对象从模型迁移到 Harness、评测 Judge 可靠性、测试有效性”的开放问题。该卡将评测变量进一步前移到知识可得性，使“无知”与“无能”可被对照，符合 v80 §2.211.26 的评测方法学从模型到 Harness/评测目标的延展。
  • 建议归入节：§2.211“评测方法学延革”续接（新增一段，不新增长篇编号）；§3.1 可作为“知识可得性是 Agent 评测变量”的新共识候选；在 §3.3 增加对真实任务、泄漏概率、执行 witness 复用性的 P2 问题。

二、其他检查：已入库但不应重复计数的补强

  • FoldingAgent arXiv:2609.00377：paper_card 1208 已入库，主分类 agent、形态 method；核心是从折纸演示视频推断参数化折叠程序，并使用几何模拟、物理合理性验证、检索比较和自评。它可作为多模态 Agent 的邻接案例，但 v80 截止后并无新观点，建议归入 multimodal 或 coding-agents 边界，不新增 agent 主节点。
  • S3Gym arXiv:2608.31100：paper_card 1200 已存在，主分类 evaluation、副分类 agent；与 v80 第三十一脉络高度重合，属于“已入库实测命中”，不改变 agent 立标池数字。
  • NeoMME arXiv:2609.01657：主分类 multimodal，v80 已纳入，作为 agent 的 RAG/检索邻接补强，不算 agent 净新增。
  • SpecPV arXiv:2512.02337v2：flyp 9-3 精读，属于推理加速，非 agent 主轴；只可用于说明评测/推理延迟时作为跨主题背景。
  • Jay 的 Agent 架构综述、企业落地和向量库选型材料偏工程二手资料，适合作为工程实践邻接，不足以在今晚制造新的 agent 学术增量；其旧 CSDN 内容的版本与 API 需要核验，不宜直接升格为事实来源。
  • work-queue 当前“待更新/缺失主题活文档”为 0，说明没有活文档缺口；待写攻略为 0，故不触发新的攻略任务。

三、值得警惕的矛盾与待核实说法

  1. v80 的“5 件 net-new”与本轮新卡的编号时间不一致：v80 头部写“0 件 paper_card 实测命中”，但其本次变更与 14:00 候选摘要已列出 HarnessDev、Repo-To-Skill、EarlyEval、WHALE、S3Gym，并多处写“paper_card 待入库”。这更像时间窗口与实体落库时序差异，今晚应按当前卡片实际状态更新，不要重复宣称“net-new”。
  2. WHALE 的 22 票 ≠ 完整复现证据：Tom 雷达和 Flyp 简报只提供策展摘要，paper_card 在本轮未发现独立实体；GitHub、公开权重、完整消融、收敛性仍未核验。应维持 ☆，不能直接升 ★。
  3. LLAMIA-Bench 与 FoldingAgent 的 arXiv 号已确认，但摘要被截断：卡片 TLDR 只有前半段，任务规模、指标和基线需在活文档写“论文提出/构建”，不要补写未在卡片中出现的性能数字。
  4. “知识门控”不能被误读为自动证明任务正确：字节一致指令、泄漏审计和 witness 使工件依赖显式化，但仍需核验 witness 是否覆盖全部可执行分支、私有约定是否存在训练泄漏。
  5. 二手 CSDN 与协调材料存在“发布日期/架构版本”风险：Jay 对 Ollama 旧版架构、SpringAI/LangChain4j 版本已有明确“需核验”提示；Stephen noon 的 HF Agent 入侵事件、Daybreak 等属于 ai-industry/risk，不应混入 agent 主轴。

四、可引用的 arXiv 号列表

本轮直接涉及、且建议今晚优先核对或引用的编号：

  • arXiv:2609.00196 — WHALE：Weight-Harness Alternating LEarning（22 票 agent 候选，v80 #166）
  • arXiv:2609.00474 — Exploring Collaboration between a language and a non-language agent / LLAMIA-Bench
  • arXiv:2608.30322 — Ignorance or Incompetence? Constructing Knowledge-Gated, Verifiable Tasks for LLM Agents

已存在、作为邻接或补强引用：

  • arXiv:2608.31100 — S3Gym（paper_card 1200；v80 第三十一脉络）
  • arXiv:2609.00377 — FoldingAgent（paper_card 1208）
  • arXiv:2609.01657 — NeoMME（paper_card 1207；multimodal/RAG 邻接）
  • arXiv:2512.02337v2 — SpecPV（推理加速邻接）

五、晚间接力建议

  • P1：先核对 WHALE 的 paper_card/代码/完整摘要，并在 v80 #166 下补一条“harness 可执行代码搜索的收益—成本—延迟”证据。
  • P1：将 LLAMIA-Bench 放入第三十一脉络的接口/语言化反方位置，新增或顺延一个 Q105.xx；不要另立“LLAMIA 新脉络”。
  • P2：将知识门控任务加入评测方法学延革，并在 §3.3 明确其无法单独解决任务正确性证明的边界。
  • P2：保留 FoldingAgent 与 NeoMME 为相邻主题锚点，避免把 multimodal 实体补强误算为 agent 主轴增量。
  • 检查记录：已读 work-queue；检查 jay、tom、flyp、spark、stephen 近 2 日相关文件；抽查 paper_cards 近 3 日新建卡，重点阅读 1200、1201、1202、1203、1204、1205、1206、1207、1208、1209、1210、1211。未写其他目录，未执行 git，未输出密钥。