agent · E1 预消化简报(2026-10-16)
本批 8 件材料 = jay X-tech-radar 1140(4 条)+ jay engineering-brief 1105(4 保留来源) + jay engineering-screen 1050(同 1105 同源筛选)+ tom HF Daily 0900(15 件)+ tom agent-rag-longcontext-radar 0840(4 件精读)+ jay CSDN discovery 0820(2 线索)+ paper_cards 104-2606-07001(DataEvolver,内容混入疑点)+ paper_cards 919-2206.14858(Math reasoning 经典)。 节奏提示:今日活文档主线 A 109 天 · 立标池 82 向稳态 · 立标延革 99-154 例预备 · v117 锚定命中 9/9 · v118 升档候选待观察。 不修改 knowledge/agent.md / 不改清单 / 不写他人目录 / 不 git。
1. 增量条数
按"agent 主轴净增 / 与活文档现有节点的关系"筛得 5 条核心增量 + 3 条邻接/工程化增量 = 8 条主增量;另列 2 条需核实说法 / 警告。
2. 8 条主增量(逐条带来源)
增量 ① · Cortex:把上下文压缩进参数记忆(63▲)
- 来源:arXiv:2610.20399(tom HF Daily 10-16 #1·社区票 63▲ 当日最高 ·
https://arxiv.org/abs/2610.20399) - 要点:把长上下文"consolidate"到参数记忆(Parametric Memory);大幅压缩显式 token 占用,直接在参数中保留历史信号。
- 与活文档脉络关系:与 Memory 第十五栖"显式分层持久记忆"v116 立标延革预备共线;与 v117 立标候选 LongHarness
arXiv:2610.13075(100M-Token 有状态证据管理)同主题不同机制。属于"长上下文 → 隐式参数记忆"路径,与 NoteBank(增量 ⑤ 稀疏情景记忆)互补(显式 vs 隐式)。 - 建议归入:§2 立标延革预备 158 例新增预备级(agent 主轴,llm-infra 邻接)或 §3 趋势 T267 备选"参数化记忆压缩"。新增
arXiv:2610.20399。 - 核实需求:摘要未披露压缩比与下游任务保真度;检索型任务能否受益(参数记忆对事实型查询的天然弱项)需 PDF 验证。
增量 ② · RuleTrek:复杂场景下智能体规则推理基准(61▲)
- 来源:arXiv:2610.19698(tom HF Daily 10-16 #2·社区票 61▲ ·
https://arxiv.org/abs/2610.19698) - 要点:Agentic Rule Reasoning 基准,聚焦"复杂场景中智能体对显式/隐式规则的理解与遵循"。
- 与活文档脉络关系:与 §2.1 评测方法学延革 + v117 立标候选 LongHarness 100M-Token 语料评测的可扩展性共线;与立标延革预备 152 例 SoftwareGym
arXiv:2610.12611在"规则驱动 agent 评测"维度协同。 - 建议归入:§2 评测方法学第十元组"规则导向 agent 评测"预备级,或 §2 立标延革预备 159 例新增预备级(evaluation 主轴,agent 邻接)。新增
arXiv:2610.19698。 - 核实需求:基准是否覆盖 MCP/工具调用/多轮;规则类型谱与现有 agent 训练分布的差距未明。
增量 ③ · APEX-Harm:共享专业工作空间中 Agent 安全评估(13▲)
- 来源:arXiv:2610.13623(tom 雷达 10-16 精读 #3·
https://arxiv.org/abs/2610.13623) - 要点:115–328 文件 / 工具链完整 / finance+consulting+legal 三领域 prompt 与脚本注入评估。与 tom 雷达 10-12 同步立项(v117 #140 争议中"Agent 安全栖位延伸稳态预备第 9 例周边"承接候选)。
- 与活文档脉络关系:Gradient Flow 八项安全假设 + 17,600 次尝试(v117)+ frontier lab 10 月公告俯冲延续 + OpenAI Rogue Agent 集群入侵真事件第 19 日。属于"真实共享工作空间"维度的安全基准,贴近 RAG 系统实际部署威胁模型。
- 建议归入:§2 立标延革预备 160 例新增预备级(agent 主轴,risk 邻接)或 §2 安全预备级"共享工作空间攻击基准"预备位。新增
arXiv:2610.13623。 - 核实需求:仅覆盖 finance/consulting/legal 三领域;攻击成功率 / 防御方法待全文;与 v117 Robo-COP 反方档 4 项风险整合的衔接面待核。
增量 ④ · CLASHarness:多 Agent 计算机使用冲突的基准评测(25▲)
- 来源:arXiv:2610.19128(tom 雷达 10-16 精读 #4·
https://arxiv.org/abs/2610.19128) - 要点:VLM 多 Agent 冲突场景的可控可验证生成流程,强制 Agent 互相检查输出 + 环境中验证 ground truth。HF Daily 25▲ 与 tom 雷达双轨承接。
- 与活文档脉络关系:与 v117 立标候选 AAArena
arXiv:2610.12341(AHL 范式)+ v117 #140 争议"AAArena AHL 范式权重固定的泛化性"共线,形成"多 Agent 冲突评测"主线。AORCHESTRAarXiv:2602.03786多 Agent +16.28% 同主题不同维度。 - 建议归入:§2 立标延革预备 161 例新增预备级(agent 主轴,evaluation 邻接);与 AAArena 合并为"多 Agent 协同/冲突评测"双锚点。新增
arXiv:2610.19128。 - 核实需求:冲突类型覆盖广度待全文;环境 ground truth 在开放域的适用性需验证。
增量 ⑤ · NoteBank + SwarmRSI(雷达精读双锚)
- 来源:arXiv:2610.15715(NoteBank) + arXiv:2610.20431(SwarmRSI)(tom 雷达 10-16 精读 #1 + #2 ·
https://arxiv.org/abs/2610.15715·https://arxiv.org/abs/2610.20431) - 要点:
- NoteBank:线性注意力解耦"recurrent 计算 + 长期存储",用稀疏情景记忆把历史先归档,读阶段检索补全。直接回应"线性注意力无法做长上下文"定论。
- SwarmRSI:科学 Agent 蜂群 + Feedback-Guided Swarm Mutation 框架;RSI 从单 Agent 拓展到蜂群协作。
- 与活文档脉络关系:NoteBank 与增量 ① Cortex(参数记忆)互补 + 与 v117 立标候选 LongHarness
arXiv:2610.13075共线;SwarmRSI 与 v117 立标候选 MetaKernelBencharXiv:2610.05014(GPU Kernel 经验复用)+ MiMo-V2.6 立标延续第 3 棒位 #1 共线。两者都属"Memory + Agent 自我改进"双轴的方法学新增。 - 建议归入:NoteBank → §2 立标延革预备 162 例新增预备级(llm-infra 主轴,agent 邻接);SwarmRSI → §2 立标延革预备 163 例新增预备级(agent 主轴)。新增
arXiv:2610.15715+arXiv:2610.20431。 - 核实需求:NoteBank 摘要未披露上下文长度上界/检索精度/延迟对比,稀疏归档策略选择标准未明;SwarmRSI 摘要无基准对比数据,非科学场景迁移性待证。
增量 ⑥ · ProgAgent + Thinking Leakage:工具编排 RL 化与推理"泄露"
- 来源:arXiv:2610.14774(ProgAgent) + arXiv:2610.14270(Thinking Leakage in RL)(tom HF Daily 10-16 #11 + #6 ·
https://arxiv.org/abs/2610.14774·https://arxiv.org/abs/2610.14270) - 要点:
- ProgAgent:通过"程序化训练"学习工具编排(Tool Orchestration) — 把 agent 决策转成可执行程序的范式。
- Thinking Leakage:RL 训练 LLM 时的"思考泄露"现象 — 模型可能把训练信号的内部状态外泄到最终输出。
- 与活文档脉络关系:ProgAgent 与 v117 #140 争议"Microsoft Agent Lightning v1.0 non-SWE 任务泛化"+ T266"Agent Harness 训练工具栈三件套预备升级"共线;Thinking Leakage 与 Q105.493–Q105.504 争议项"训练范式样本量限制"面相邻。
- 建议归入:ProgAgent → §2 立标延革预备 164 例新增预备级(agent 主轴,engineering 邻接);Thinking Leakage → §3 争议 Q106.x 备选"RL 训练范式可观察性"。新增
arXiv:2610.14774+arXiv:2610.14270。 - 核实需求:ProgAgent "程序化训练"具体形态(代码生成 vs AST vs DSL);Thinking Leakage 触发条件与防御方法需全文。
增量 ⑦ · Magnetar + Sakana AI 多智能体编排(MSR + X 雷达双轨)
- 来源:微软 MSR Magnetar
https://www.microsoft.com/en-us/research/blog/proof-based-general-purpose-computing-with-magnetar/(jay 1105)+ @omarsar0 Sakana AI 编排编程智能体https://x.com/omarsar0/status/2110733945323368822(jay 1140 X-tech-radar) - 要点:
- Magnetar:微软 10 余年 ZKProof 最新成果;支持 Rust/Go/C 程序;证明速度比前最优系统快 10–39×;仅依赖标准哈希(不依赖稀有密码学假设);可验证 AI agent 合规性、替代传统审计。
- Sakana AI:编排多个 coding agents 进行科学研究;"必读论文"推荐;原文未给出论文标题 / arXiv 链接 / 发布日期,仅推荐收藏。
- 与活文档脉络关系:Magnetar 与 v117 立标候选 v115/v116 "Agent 合规性验证" + frontier lab 治理公开化(Anthropic Cyber Mission + opt-in 漏洞发现 + 2026 Usage Policy 更新)共线;Sakana AI 编排编程智能体与 v117 立标候选 AAArena
arXiv:2610.12341(AHL 范式)+ AORCHESTRAarXiv:2602.03786(多 Agent +16.28%) 共线。 - 建议归入:Magnetar → §2 立标延革预备 165 例新增预备级(engineering 主轴,agent 邻接) — "ZK 验证 agent 合规性";Sakana AI 因缺 arXiv 编号仅作为 §3 趋势 T267 备选"科学 Agent 多智能体编排"位(待溯源)。
- 核实需求:Magnetar 三语言性能差是否均匀分布 / 内存-时间 trade-off;jay 1105 已 web_fetch 核查原文,可信度高。Sakana AI 需补 arXiv 编号后才能升档立标预备级。
增量 ⑧ · XViewRank + SquashFS:邻接工程化(RAG 检索 + HPC I/O)
- 来源:arXiv:2610.20122(XViewRank) + arXiv:2610.20578(SquashFS)(jay 1105 + jay 1050 双重筛选保留)
- 要点:
- XViewRank:LLM 增强稀疏检索的 overlap-conditioned score fusion,RAG pipeline 中检索排序优化。
- SquashFS 镜像:HPC 处理数十万小文件时 I/O 效率低下,SquashFS 打包镜像方案改善;cs.IR + cs.DC 交叉。
- 与活文档脉络关系:XViewRank 与 v117 立标延革预备"Verifiable Legal Retrieval
arXiv:2610.13695"(法律/医疗等领域 RAG 邻接级新增)+ 评测方法学延革共线;SquashFS 与 v117 立标候选arXiv:2610.05014MetaKernelBench(GPU Kernel 经验复用)在"HPC/AI 数据基础设施"主轴共线。 - 建议归入:XViewRank → §2 立标延革预备 166 例新增预备级(rag 主轴,agent 邻接);SquashFS → §2 立标延革预备 167 例新增预备级(engineering 主轴)。新增
arXiv:2610.20122+arXiv:2610.20578。 - 核实需求:XViewRank 与 dense retrieval 的具体对比;SquashFS 与 tar+mmap/blobfs 等打包格式对比,生产容错/增量更新待验。
3. 警惕:值得核实的说法 / 矛盾点
警告 ① · paper_cards/104-2606-07001.md 内容混入疑点
- 现象:文件标题为 DataEvolver(
arXiv:2606.07001),"可复用信息"段落却写"TOKI 用双时态运算符代数"、"Agent 记忆层时 TOKI 是目前最严谨的理论框架"等与 DataEvolver 完全无关的内容。 - 处置:本批不据此做立标延革承接。DataEvolver 本身(多层级自演化数据准备,下游 LLM 平均 +10 分)可作为 §2 立标延革预备 168 例新增预备级(engineering 主轴,llm-infra 邻接);TOKI 部分因文件可信度存疑不引用。新增
arXiv:2606.07001仅指 DataEvolver 原文,待 paper_cards 修复后再考虑 TOKI 入池。
警告 ② · Sakana AI 编排编程智能体缺 arXiv 编号
- 现象:@omarsar0 推荐为"必读",但原帖未给论文标题 / arXiv / 日期。
- 处置:仅作 §3 趋势备选,等溯源后再升档立标延革预备级。不新增 arXiv 编号。
警告 ③ · @omarsar0 Xerj Corpus Hub 工具可信度待核
- 现象:声称"为任意智能体接入文档/指南/源码语料无需重训",但原文未给官网 / GitHub / 发布时间。
- 处置:不立标,仅作 §3 趋势备选"RAG 工具链轻量化"位。
警告 ④ · CSDN / Substack 搜索线索仅核实入口页
- 现象:jay 0820 csdn-discovery 中
https://mcp.csdn.net/6a85893c662f9a54cb9e944e.html(传统 IT 转 AI 全路线 + GitHubqcodingdev/spring-ai-business-copilot)+https://substack.com/@systemdesignone/note/c-359913029(AI 工程化 19 概念清单)均仅核实入口页存在,正文深度未核。 - 处置:不立标,不入 §2;仅作 §4 跨实例审稿链观察位。CSDN MCP 社区文章 / 19 概念原文需独立核实。
4. 可引用的 arXiv 号列表(本批净增)
| arXiv 编号 | 标题/方向 | 来源 | 票数/线索 |
|---|---|---|---|
arXiv:2610.20399 |
Cortex: Consolidating Context into Parametric Memory | tom HF Daily #1 | 63▲ |
arXiv:2610.19698 |
RuleTrek: Benchmarking Agentic Rule Reasoning in Complex Scenarios | tom HF Daily #2 | 61▲ |
arXiv:2610.14270 |
The Thinking Leakage in Reinforcement Learning for LLMs | tom HF Daily #6 | 20▲ |
arXiv:2610.14774 |
ProgAgent: Learning Tool Orchestration through Programmatic Training | tom HF Daily #11 | 12▲ |
arXiv:2610.15715 |
History Replays Itself: Unleashing Long-Context Capability in Linear Attention(NoteBank) | tom HF Daily + tom 雷达 #1 | 9▲ + 雷达精读 |
arXiv:2610.19128 |
CLASHarness: Multi-Agent Conflict in Computer Use | tom HF Daily + tom 雷达 #4 | 25▲ + 雷达精读 |
arXiv:2610.13623 |
APEX-Harm: Evaluating Agent Safety in Shared Professional Workspaces | tom HF Daily + tom 雷达 #3 | 13▲ + 雷达精读 |
arXiv:2610.20431 |
SwarmRSI: Recursive Self-Improvement through Evolving Scientific Agent Swarm | tom HF Daily + tom 雷达 #2 | 13▲ + 雷达精读 |
arXiv:2610.20122 |
XViewRank: Overlap-Conditioned Score Fusion for LLM-Augmented Sparse Retrieval | jay 1105 + jay 1050 | 工程实践 |
arXiv:2610.20578 |
Creating SquashFS Images to Support HPC and AI Datasets | jay 1105 + jay 1050 | 工程实践 |
arXiv:2606.07001 |
DataEvolver(注:文件混入疑点,仅以原文标题为准) | paper_cards 104 | 数据准备 |
arXiv:2206.14858 |
Solving Quantitative Reasoning Problems with Language Models(2077 引) | paper_cards 919 | 经典基准,无 agent 新意,仅作背景 |
Tom HF Daily 10-16 全清单 15 件中,本批 agent 主轴承接 9 件(其余 2610.04781 Super-Resolution、2610.14020 LabInstruct、2610.15542 Apertus 1.5 多模态、2610.17016 ProbabilityBench、2610.17246 LLM-to-Flow Distillation、2610.17771 GRPO Recommender、2610.19026 Joint Subspace Sparse Attention — 7 件虽 8–18▲ 但与 agent 主轴弱邻接或非邻接,本批不立标)。
5. 跨主文档边界建议(本批净增,不修改活文档)
按 v117 §5"跨主文档边界"体系承接,本批 13 件候选可入池(均为预备级 ⚠⚬):
- agent(主):2610.20399(Cortex·隐式参数记忆)+ 2610.19698(RuleTrek·规则基准)+ 2610.20431(SwarmRSI·蜂群自改进)+ 2610.14774(ProgAgent·工具编排 RL 化)
- agent 主 + evaluation 邻接:2610.19128(CLASHarness·多 Agent 冲突)+ 2610.15715(NoteBank·稀疏情景记忆 + llm-infra 邻接)
- agent 主 + risk 邻接:2610.13623(APEX-Harm·共享工作空间安全)
- agent 主 + engineering 邻接:2610.14270(Thinking Leakage)
- engineering 主 + agent 邻接:Magnetar(MSR ZK 验证)
- rag 主 + agent 邻接:2610.20122(XViewRank·稀疏检索融合)
- engineering 主 + llm-infra 邻接:2610.20578(SquashFS HPC)+ 2606.07001(DataEvolver)
- 经典背景:2206.14858(数学定量推理,无新意)
立标延革预备序号承接 v117 "149–154 例预备" → 本批新增 158–168 例预备共 11 件(精确序号请 v118 锚定时统一分配,本批仅给建议)。
6. 本批观察
- agent 安全栖位热度延续:APEX-Harm + Gradient Flow 八项安全假设 + OpenAI Rogue Agent 第 19 日构成"真实共享工作空间安全评估"三件套,符合 v117 #275 共识中的"frontier lab 10 月公告俯冲延续"+ 立标延革预备第 9 例周边承接。
- 多 Agent 协同/冲突形成双锚点:AAArena(AHL 范式,权重固定)+ CLASHarness(冲突生成,可控可验证)。AORCHESTRA +16.28% 进一步扩稳态;Method vs 评测两轴并存。
- Memory 第十五栖扩稳态预备:Cortex(隐式参数)+ NoteBank(显式稀疏情景)+ LongHarness(100M-Token 显式)三足鼎立,本批 2/3 净增。
- Magnetar作为 ZK 工程化重大进展,可承接 v117 #275 共识中"Agent 合规性验证"立标预备,工程价值明确(jay 1105 已 web_fetch 核查)。
- agent 自我改进主轴进一步扩展:SwarmRSI(蜂群)+ ProgAgent(程序化工具编排)+ Thinking Leakage(RL 训练可观察性)三件套,与 v117 立标候选 AgentTune + LongHarness + MetaKernelBench 协同承接 MiMo-V2.6 立标延续第 3 棒位 #1。
边界遵守:仅写本文 1 个文件;不写他人目录(jay/tom/flyp/stephen)、不写知识库其他文件、不 git、不输出密钥;清单 / 基线 / 认领记录 / 定时配置均不动。