agent · E1 预消化简报(2026-10-27)

• 作者：spark（agent 实例）· E1 日间预消化轮
• 时间：2026-10-27 13:30 CST
• 批次来源：宿主机增量清单 work-guard job 8958350c-dd9b-4339-a8a5-e6ba09fc70cf（item e1_prep:agent，1 个条目 / 8 件材料，score 8，expires 1793082602 = 2026-10-27 14:30 UTC）
• 对照活文档：/shared/research-kb/organized/knowledge/agent.md（v125，cutoff 2026-10-27 10:30 CST）
• 性质：今晚 agent 主题活文档 v126 接力预习备料。只写本文件，未改活文档、清单、基线、认领记录、其他任务文件、定时配置，未 git，未输出密钥。

0. 本批结论速览

清单 8 件材料全部已读（取自 item.materials[].source，非仅 item.source 首项）。与活文档 v125 逐件比对后：

• 实质增量 3 件：Jay 10-27 1050 工程筛选（Import AI 478 自动形式化编排结构 / arXiv:2610.32943 跨空间蒸馏 / arXiv:2610.32616 legacy 结构化抽取）、paper_card 2603.15031（agent 侧孤儿卡，编号归属矛盾仍未解）、repo_card anthropics/single-agent-loop-kit（仅采集态漂移，叙述层零增量）。
• 重复覆盖 4 件：Tom 10-27 0910 检索增强重排序报告、Tom 10-27 0900 HF Daily 15 篇、Tom 10-27 0840 Agent-RAG-长上下文雷达、Jay 10-27 1000 ByteByteGo RSS 摘要 —— 这 4 件正是 v125 §1/§2/§5 的原料来源，v125 已把它们写成 Salesforce 分层宪章 / 约束弱化 / DraMaze 检索压缩多样性 / CoRE·SkillQR·LeanFinder·证据感知评测 四组结论，本轮不重复展开，只在 §3 逐件登记来源以便追溯。
• paper_card 2608.24569 同属 v125 已完整承接（deactivation 100.0% / forbidden 54.2% / 制品侧恢复 0.0% / 仅下游 verification 残余 95.3%），本轮仅核对编号仍在锚点区，不重复叙述。

给今晚的建议：不要重写 §1/§2 骨架。今晚值得做的动作是三处小补 + 一处矛盾维持登记（详见每条"建议归入哪一节"），而不是把 v125 的宪章叙事推倒重来。

⚠ 重要纪律声明：本批 repo_card 的星数 / 周增为重新采集快照，晚于活文档 10:30 cutoff。anthropics/single-agent-loop-kit 活文档记 213★ / +0/周，本批卡面记 230★ / +119/周。按"采集时间 / 被引变化不算新观点"的既定规则，该差值一律不作为增量论据，仅作引用一致性提示（§4 末条）。同理，paper_card 2603.15031 的 S2 被引 74（risk.md 记 73、evaluation.md 记 72）属元数据漂移，不构成新观点。

1. 今日该主题最重要的增量（3 条）

增量 1 · 自动形式化流水线的四段式编排结构，为 agent 主轴补上一份"外部一手对照" ⚠⚬

• 来源：Jay inbox/jay/2026-10-27-1050-engineering-screen.md（材料 key note-links:bcff146b…，mtime 2026-10-27 10:51）· 保留来源 https://importai.substack.com/p/import-ai-478-math-for-alignment（Import AI 478《Math for alignment; ProgramBench; and Mirendil shows what RSI means》）。⚠ 本条内容与 Jay 实例自己的 E1 简报 inbox/jay/2026-10-27-engineering-e1prep.md §1 增量 1 同源——那边是 engineering 主轴登记，本条是 agent 主轴的邻接锚入。
• 要点（Jay 已核查原文，本轮采其表述，未再联网复核）： 1. ProgramBench 从今年早的 0% 升至 20% resolved，作者同时给出明确的饱和预期。 2. 自动形式化流水线的工程结构为四段式：人写高层可读计划 → 再产出 112 页原子步骤计划 → orchestrator agent 派生 pen-and-paper 数学 / Lean 编写 / 进度校验三类子 agent → 执行阶段仅需初始计划与已蒸馏的 agent skills。 3. Jay 自评：这是可直接对照的外部一手证据，不是观点类内容。
• 与活文档现有脉络的关系：
• 与 v125 脉络二高度同构。v125 脉络二说：v124 的 wmux（ADE 物理载体）与本轮 Salesforce（agent 平台内部 ADE）"两者的结构惊人一致——都把'能做什么'从 prompt 挪进运行时"。Import AI 478 的四段式是同一结构的第三例，而且是学术/研究侧的第三例（前两例分别是产品侧 wmux 与厂商侧 Salesforce）。它的独特之处在于第四段："执行阶段仅需初始计划与已蒸馏的 agent skills"——即编排结构本身被编译成了可复用的 skill 资产，这正是 v125 §2 脉络五提到的 Anthropic single-agent-loop-kit 里 "Fold（把子 agent 逐个变成主 agent 的 skill 与 tool）" 的外部独立佐证。
• 它还与 v125 脉络三（约束弱化）构成一条张力：v125 脉络三说"约束必须在产生处就被表达为结构（字段化、可校验），而不是指望它在交接中靠上下文传递存活"。"112 页原子步骤计划"正是"约束在产生处结构化"的一个真实工程实例——原子步骤之所以能存活，是因为它们从一开始就是 plan 制品的结构化单元，而不是被压缩后的 summary。⚠ 这条读法是本轮的推论，Import AI 478 原文并未与 2608.24569 对话，不可表述为文献结论。
• ProgramBench 20% + 作者饱和预期对 v125 有独立价值：v125 §1 的 SOTA 基线判断是"agent 的竞争焦点正从能力移向权限、约束与度量的制度化"。ProgramBench 0% → 20% 再到饱和，是一条能力侧的独立收敛曲线，说明"程序级验证的 agent"即使有明确基准也尚未接近可用。⚠ 口径未核（评测版本、resolved 定义、模型代次均未披露）。
• 建议归入哪一节：§2 脉络二追加"第三例（研究侧 · Import AI 478 四段式）"，并在 §5 增一条趋势（形如 T309：「计划制品的原子化结构成为约束可携带性的工程前提」）；§1 现状全景可只在"检索/编排轴"补一句 ProgramBench 20% + 饱和预期。⚠ 不建议升为独立 §1 条目——其证据等级为"经他人核查的二手转述 + Substack 原文"，非本轮一手核实。
• 涉及 arXiv：无（ProgramBench 为榜单名，非本库 arXiv 编号）。

增量 2 · arXiv:2610.32943 跨空间蒸馏的两个可复现目标，给 agent 侧一个"检索/蒸馏对照基线" ⚠

• 来源：Jay inbox/jay/2026-10-27-1050-engineering-screen.md（同材料，同一保留来源条目）· https://papers.cool/arxiv/2610.32943《Knowledge Distillation across Item and Code Spaces for Parallel Generative Recommendation》。
• 要点：两个可复现定义的目标 ——
• IDM（Item Distribution Matching）：从学生的并行 code 预测中重建目录级 item 分布，再对齐教师分布；
• CMM（Code Marginal Matching）：把教师 item 概率按固定 item→code 映射投影到各 code 位置，再匹配 code 边缘分布。
• 量化：Recall@10 平均 +15.39%、NDCG@10 +8.28%。⚠ excerpt 未交代数据集规模、基线模型与训练成本。
• 与活文档现有脉络的关系：
• v125 §2 脉络六（检索/记忆轴两新维度）与它相邻但不重合。脉络六讲的是"检索会压缩多样性"（DraMaze）与"检索前置侧的语义对齐"（CoRE/SkillQR/LeanFinder/证据感知评测）——都在"检索什么"这一侧。2610.32943 换了一个坐标轴：不是"检索得准不准"，而是"学生模型学到了教师的哪种分布"，且它给的是两个可以照抄写出来的损失函数定义。
• 对本库既有脉络的潜在补充：v125 §5 T302（RSIHub）与 T301（EvalResearchBench）都在讲 agent 的自进化 / 自建评测器；而 2610.32943 提供的是自蒸馏侧的对齐目标（code 空间 ↔ item 空间的分布匹配），这是 v125 尚未登记过的一个技术方向。⚠ 但它属推荐系统域，与 agent 主轴是邻接而非主线。
• ⚠ 归属判断：这条材料在 Jay 实例那里被归为 engineering / database-backend 方向（"检索/蒸馏方向的对照基线"），更贴合 rag 主轴（其核心问题是"如何把知识从教师分布对齐到学生的可执行表示"），在 agent 主轴只作邻接级登记。
• 建议归入哪一节：§1 现状全景作邻接级一行（与 Omni-Woodpecker / TenetBench 同级的"邻接材料"定位），或并入 §7 跨实例审稿链"审稿对照位"的 rag 主轴一句；§9.1 锚点区可净增该编号（arXiv:2610.32943 当前在 agent.md 中完全不存在，grep 计数为 0）。不建议进入 §5 趋势——单域结果 + 未核实数字。
• 涉及 arXiv：2610.32943。

增量 3 · arXiv:2610.32616：legacy 大批量档案的 LLM 结构化重抽（仅方法描述） ⚠

• 来源：Jay inbox/jay/2026-10-27-1050-engineering-screen.md（同材料）· https://papers.cool/arxiv/2610.32616《From archive to resource: bringing legacy data back to life at scale with large language models》。
• 要点：方法轮廓 —— 用 LLM 把药企大批 legacy 预临床报告中的 fasting / anesthesia / laboratory instrumentation 等 study-context 细节批量重抽为结构化字段，使"档案"重新成为"可用资源"。⚠ Jay 明确标注"证据等级为中等"：excerpt 只给方法轮廓，未附量化结果或源码；引用时须注明"仅方法描述"。
• 与活文档现有脉络的关系：
• v125 没有一条材料正面处理"用 LLM 批量加工存量材料"的抽取质量问题。§1 触及的相邻项是 Salesforce 的 Context Engine 记忆三级（推断记忆 → 已确认事实 → 已批准长期记忆）——那讲的是记忆写入时的准入分级；本条讲的是存量材料的批量结构化。两者是同一条"内容变成可用结构"路径上的两端（历史侧抽取 vs 增量侧准入），但 agent.md v125 从未把这条路径完整连起来。
• ⚠ 这条不宜抬得太高：无量化结果、无抽取准确率、无 schema 设计、无幻觉/漏抽处理方式。它在 agent 主轴的价值主要是"标出一个空白坐标"（v125 §6 证据边界里反复出现"抽取准确率缺失"的同类缺口），而不是提供结论。
• 建议归入哪一节：§1 现状全景作弱证据条目并明确标"仅方法描述"；或§8 跨主文档边界加一行 arXiv:2610.32616 → rag(邻接) + agent(邻接 · 存量材料→结构化字段)。不建议进 §5 试金石或趋势（无可核对数字）。
• 涉及 arXiv：2610.32616。

2. 值得警惕的矛盾或待核实说法（汇总）

矛盾 A · 2603.15031 编号归属矛盾本轮未获新材料 ⚠⚠

• 来源：organized/paper_cards/117-2603-15031.md（材料 key paper_cards:2603.15031，mtime 2026-10-27 10:00）。卡面：类型 arxiv / 形态 survey / 主分类 llm-infra / 主题标签含 agent / S2 被引 74 / 影响力被引 19 / OpenAlex 更新 2026-07-19 / 原始来源 https://magazine.sebastianraschka.com/p/llm-research-papers-2026-part1。
• 要点（矛盾本身，v123 起已登记，本轮无解）：这张卡把自身的 arXiv 编号与它所引用的论文撞号了——卡面时间线写 "Mar 15: Attention Residuals (arXiv:2603.15031)"，而卡片自己的"标识/链接/DOI"字段也是 2603.15031。
• 当前库内状态（逐处核对）： | 主文档 | 对 2603.15031 的处理 | 是否已登记矛盾 | |---|---|---| | agent.md | 仅 §7 审稿链一句"v123 遗留的编号归属矛盾仍未获新材料，维持登记不静默修正"；§9.1 锚点区未见该编号 | 是（一句） | | risk.md | R104 已锚入 · 按"Raschka 2026 论文清单"语义（§2.9 承接位，无新观点） | 否 | | rag.md | R121 续立（URL 锚点） | 否 | | evaluation.md | "232 Raschka 2026 Q1-Q5 论文清单"（S2 72 · 导航预备级） | 否 |
• ⚠ 处置建议：维持登记，不静默修正。本轮为宿主机增量清单批次，编号归属需 arXiv 页面复核，属"网页补料"，按本轮纪律未执行（§4 末条）。今晚 agent.md 的正确动作是保留 §7 那一行矛盾登记，若要升格，只能写成"agent 侧不把该编号升为独立锚点，直到归属核实"——绝不能因为 agent.md 锚点区缺它就顺手补入，那会把一个可能指向 Attention Residuals 的编号误锚为"清单文章"。
• 涉及 arXiv：2603.15031（归属存疑）。

矛盾 B · Jay 1050 筛选丢弃的 3 篇，与 agent 主轴的关联度需人工裁定 ⚠

Jay 在 inbox/jay/2026-10-27-1050-engineering-screen.md 明确丢弃了 3 条。丢弃理由本身自洽，但其中一条对 agent 主轴的关联度需要今晚人工判断：

处置建议：不因"主题字面命中"而推翻 Jay 的证据等级判断。2610.32464 若要进 agent.md，只能以"观点框架、无实证、与 Q105.591 相关"的三重限定形式登记。

待核实 C · arXiv:2610.30932 UserArena —— 上轮被 evaluation 主轴判为"证据不足"，本轮仅出现在 HF Daily 列表行 ⚠

• 来源：Tom inbox/tom/2026-10-27-0900-hf-daily-2026-10-27.md（材料 key note-links:29a015c5…）列表第 2 行："47▲ UserArena: Benchmarking Interactive User Simulation for Long-Horizon Shopping Agents — https://arxiv.org/abs/2610.30932"。
• 要点：⚠ 本批该材料只是 HF Daily 的一行标题 + 票数（47▲），无摘要、无方法、无数字。按"不把采集时间/被引变化当新观点"与"不得据一句话简介给机制性结论"的既有纪律，本轮不能据此写任何 agent 侧结论。
• ⚠ 与既有判定的关系（重要）：organized/knowledge/evaluation.md §278 有一条先前已作判定：该文在 2026-10-24 的 Jay 工程筛选中曾被丢弃，理由是"主题高相关但无环境命令 / 任务集 / 基线 / 分数——证据不足而非主题不符，待补全文可回升锚"。本批材料并未提供任何可用于回升的内容（仍只是标题行），因此该文在 agent 主轴维持"待补全文可回升"的既有状态，不新增任何条目。
• 建议归入哪一节：不归入 §1。可在 §3 争议或 §4 开放问题里只做一句状态登记（"2610.30932 仍待补全文"），避免下一轮读者误以为 agent 侧漏读。
• 涉及 arXiv：2610.30932。

待核实 D · 本批无一篇论文通读全文（L3 级证据 0 件） ⚠

Tom 两份报告自陈"分析仅基于候选清单中的标题与摘要，摘要非全文，未核实实验数值"；Jay 1050 的三条保留来源是"核查原文"后的摘录级结论；paper_card 与 repo_card 为快照字段。本轮全部增量均不得表述为已确立结论。

待核实 E · anthropics/single-agent-loop-kit 的采集态漂移（明确不算新观点） ⚠

• repo_card 记 230★ / 周增 +119（上次采集 2026-10-27 · 首次采集 2026-10-27）；活文档 v125 §1 记 213★ / +0/周。
• ⚠ 该差值为重新采集快照的时点差，不是趋势，不作论据。真正值得注意的是一个内部一致性问题：v125 记 "+0/周"而本批记 "+119/周"——同一张卡、同一首次采集日 2026-10-27，两次采集的周增差 119。这提示周增字段在本库可能存在计算基准不一致（首次采集周 vs 上一采集周）。建议今晚只在 §6 证据边界加一句元数据口径提示，不动 §1 的叙述与数字。
• 涉及 URL：https://github.com/anthropics/single-agent-loop-kit

3. 已核查但不构成增量的材料（逐件登记，供追溯）

以下 5 件均已读原文，与活文档 v125 比对后判定为重复覆盖，本轮不重复叙述、不重复计数：

另：本轮同时读到（但不属本清单材料，未据其作任何结论）——inbox/jay/2026-10-27-1105-engineering-brief.md（Jay engineering 侧简报，与增量 1/2/3 同源）、inbox/jay/2026-10-27-engineering-e1prep.md（Jay 实例自己已出的 engineering E1 简报，已完整登记这三条）。这两件佐证增量 1–3 属跨实例重复材料，今晚 agent 侧若登记，应明确写成"agent 主轴邻接锚入，engineering 主轴已登记"，避免两轴重复判读同一材料。

4. 可引用的 arXiv 编号列表

本批材料中出现的全部 arXiv 编号（含已重复覆盖者，供今晚 §9.1 锚点区净增比对）：

本批新增（agent.md 当前 grep 计数为 0）：
  2610.32943   Knowledge Distillation across Item and Code Spaces for Parallel Generative Recommendation
  2610.32616   From archive to resource: bringing legacy data back to life at scale with large language models
  2610.32464   Agentic Memory Management Is the Next Frontier of Information Retrieval   ← Jay 丢弃（观点框架，无实证）
  2610.32608   UAE GovTrust Scope Filtering Gains and Routing Failures in Bilingual Public Service Retrieval  ← Jay 丢弃（未核查）

agent.md 已锚（重复覆盖，本轮不净增）：
  2608.24569   When "Must" Becomes "Maybe" / v2 "Erosion of Workflow Constraints in LLM Agent Handoffs"
  2603.15031   6. LLM Research Papers: The 2026 List (Jan–May) — Sebastian Raschka   ← ⚠ 编号归属存疑，未净增
  2610.14465   CoRE: Co-Adaptive Rule Routing and Constraining for Structured Knowledge Retrieval
  2610.33768   SkillQR: Agentic Skill Discovery for Reason-Intensive Query Rewriting
  2610.30843   Lean Finder V2: Semantic Search for Mathlib That Disambiguates User Queries
  2610.31606   How Ground Truth Shapes Retrieval Scores: Evidence-Aware Evaluation of a RAG System for Breast Lesions
  2610.33277   GEMS-RAG: Graph-grounded Engineering Multimodal Standards Retrieval-Augmented Generation
  2610.32002   DraMaze: A Multi-Agent Pipeline with Future-Aware Memory for Diverse Microdrama Script Generation
  2610.23234   MultiAgent-OPD: End-to-End Training of Hierarchical Multi-Agent Systems with On-Policy Distillation
  2610.31810   PaperFormalizer: Author-in-the-Loop Autoformalization of Research Papers in Lean
  2610.21109   Kolab: Benchmarking Human-Agent Collaboration in Long-Horizon Workflows
  2610.04184   EvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement?
  2610.32253   RSIHub: A Composable Framework for Agent-Evolution Methods
  2610.30418   Agent Mosaic: Recognizing Confidentiality Leaks in Agentic LLM Systems
  2610.29477   TenetBench: A Clause-Anchored Russian Corpus for Evaluating Language Models against Professional Codes of Ethics
  2610.27103   Omni-Woodpecker: Hallucination Correction via Evidence-Prior Rebalancing for Omni LLMs
  2610.30932   UserArena: Benchmarking Interactive User Simulation for Long-Horizon Shopping Agents   ← 仅标题行，维持"待补全文"状态
  2610.01352   MMVistaReason（雷达未入选）
  2610.19589   JockeyBench（雷达未入选）
  2610.31066   Dual Exam（雷达未入选）
  2610.31162   HiSTEVE 1.0（雷达未入选）
  2610.31668   Reading, Writing, Sharing, and Interacting with the World through Video（HF Daily 头条 224▲，agent 侧未展开）
  2610.31198   Different Tasks, Different Timesteps: Temporal Task-Aware Quantization for Diffusion Language Models
  2610.31931   Every Weight Is a Path of Shared Discrete Decisions
  2610.25835   Diffusion Language Models Change Speed Across Tasks and Languages
  2610.32965   RynnUnify: Towards Unified Embodied Brain
  2610.32770   On-Policy Self-Training: Data-Free Self-Improvement in Large Language Models

建议今晚净增：2610.32943、2610.32616（两条有可引用定义的保留来源）。 建议不净增：2610.32464、2610.32608（Jay 判为丢弃/未核查）；2603.15031（归属存疑）；2610.30932（仅标题行）。

5. 本轮纪律自述

• 未做：未全库扫描；未以网页搜索补充清单外材料凑篇幅（2603.15031 编号复核需 arXiv 页面，按纪律未执行）；未改活文档 / 清单 / 基线 / 认领记录 / 其他任务文件 / 定时配置；未 git；未输出密钥或 Token。
• 只写：本文件 /shared/research-kb/inbox/spark/2026-10-27-agent-e1prep.md（整篇写入，非 edit；写前已确认同名文件不存在）。
• 证据等级：本轮L3 全文级 0 件；L2 一手页面级 0 件（Jay 的三条保留来源为他人已核查的转述，非本轮一手核实）；L1 摘要级 8/8 件（Tom 两份报告自陈"仅基于标题与摘要"、Jay 筛选为 excerpt 级、paper_card / repo_card 为快照字段）。
• 未把采集态 / 被引态变化当作新观点：single-agent-loop-kit 213★→230★、+0/周→+119/周；2603.15031 S2 72/73→74。均只作引用一致性提示。
• 增量条数：实质增量 3 条（增量 1 Import AI 478 四段式编排 / 增量 2 2610.32943 跨空间蒸馏目标 / 增量 3 2610.32616 legacy 结构化抽取），另有 4 条矛盾与待核实（A 2603.15031 编号归属 / B Jay 丢弃 3 篇的 agent 侧裁定 / C 2610.30932 待补全文 / D 全批无全文级证据 / E 周增字段口径疑点）。
• 字数说明：本批实质增量偏少（8 件材料中 5 件与 v125 重复），按"材料不足则简明处理、不强行达到旧提示词字数"的纪律，本简报未硬凑到 2000–4000 字，篇幅集中在可核查出处与归属判断上。