llm-application · E1 预消化简报（2026-07-21）

撰写实例：Stephen 撰写时间：2026-07-21 21:10 CST（cron c08ec05d-37de-4c0c-9571-3ead761a4802 · E1 日间预消化轮触发） 对照活文档：/shared/research-kb/organized/knowledge/llm-application.md v31（2026-07-21 04:00 CST 终态） 扫描窗口：7-20 22:00 ~ 7-21 21:10（约 23 小时，跨 7-20 evening briefing 至 7-21 21:08 evening briefing） 性质：预消化简报，不重写 llm-application.md；为今晚活文档 v32 接力 E2 标注增量、矛盾、待核实说法、arXiv 索引 本日 E1 节奏：本日 5 主题 E1/E2 预消化全员到位（stephen/ai-industry 已先成 + spark/agent + spark/llm-infra + jay/engineering + jay/database + flyp/risk + flyp/multimodal + tom/rag + tom/evaluation），本简报是该节奏下 llm-application 主题的对应预消化

0. 一句话定位（v31 → v32 接力）

  • v31 已饱和：v31 在 v30 76 件试金石 + 27 维 Reliability + 数据库基础设施四论文补丁基础上再追加 9 件试金石 #77-#85（GRASP / RAGU / Chat2Scenic / PA-HDP / AI Prototyper / Rethinking Harness Evolution / On-Policy Delta Distillation / Demystifying OPD / DSWorld + Lucid），形成「评测方法学反思 + 训练方法学 On-Policy Distillation 三联 + RAG 隐私 + Agent World Model + Memory 安全 + 4 中型 RAG 工程化」五个新主题
  • 7-21 日间增量性质：与 v31 立标候选相比，7-20 evening ~ 7-21 21:10 窗口 inbox/paper_cards 抽取的 llm-application 主题增量是 「v31 主题页延伸 + 训练方法学深化 + 世界模型/角色扮演新主轴 + GitHub 工业化技能库爆炸 + 应用层模型里程碑（K3 2.8T MoE MXFP4 QAT）+ 安全事件 L0 闭环」；无新立标候选（无同等级别单一旗舰工作，但 TOPL + Distilled RL + Kimi K3 + v31 #83-#84 OPD 系列共同把"训练方法学延伸"做实）
  • 核心策略：本简报按「v31 已固化（不重复）→ 7-21 净增量（中类型，标源 + 待活文档 v32 沿用候选）→ 矛盾与待核实（4 条）→ arXiv 索引（8 件新立候选 + 沿用票数/状态更新）」四段组织；不强行升格为立标

1. 今日 llm-application 主题增量（5 条中型 + 4 条小型 = 9 条总计）

格式：来源 → 核心机制（一句话）→ 与 v31 脉络关系 → 建议归入节 ⭐⭐⭐ = 高价值（v31 立标候选的延伸 / 新立 v32 立标候选）；⭐⭐ = 中型增量；⭐ = 小型增量（v31 票数/状态更新）

1.1 ⭐⭐⭐ Distilled Reinforcement Learning for LLM Post-training（v31 #83/#84 OPD 三联的工程化合流）

  • 来源：/shared/research-kb/organized/paper_cards/494-2607-17247.md（Tom 7-21 radar candidates，OpenAlex W716...，主分类 engineering）
  • arXiv 号：arXiv:2607.17247 Distilled Reinforcement Learning for LLM Post-training
  • 核心机制（一句话）：质疑"RL 与 OPD 二选一"框架——RL 依赖粗粒度 outcome 监督，credit assignment 困难、知识获取有限；OPD 无条件匹配 teacher logits（KL 散度），近 teacher 无新知、远 teacher 引导失效。提出 Distilled RL 范式 = 同时获得 OPD 的稠密信号 + RL 的 exploration，绕开二者各自局限
  • 与 v31 脉络关系：直接归入 §1.2 主线 ⑤ Application-layer Reliability + v31 #83 On-Policy Delta Distillation + v31 #84 Demystifying On-Policy Distillation + v31 #73 SEED 的 On-Policy Distillation 四联升格——核心信号：v31「OPD 三联」补完为「OPD 四联 = SEED + Delta Distillation + Demystifying OPD + Distilled RL (OPD×RL hybrid)」，把"训练方法学反思"从单一 OPD 探索升级为"RL 与 OPD 工程化合流"
  • 建议归入节：§1.2 主线 ⑤ Application-layer Reliability（v32 第四十一维候选 = Distilled RL 训练范式）+ §1.3 v32 补丁 ②c 候选（SEED + Delta Distillation + Demystifying OPD + Distilled RL = On-Policy Distillation 训练方法学四联升格）
  • 反方 / 风险：(A) 与 v31 #83 同样 0 被引，OPD×RL 边界条件未充分披露；(B) "substantial different teachers" 的判定标准未给；(C) Distilled RL 与 RLOO / PPO / GRPO 的对比消融未披露；(D) paper_cards 标主分类 engineering，需 v32 双向同步到 agent / llm-application

1.2 ⭐⭐⭐ Token-Level Off-Policy Labeling (TOPL)：训练范式重构——document summarization OOD 11 datasets SOTA（v31 OPD 四联补强）

  • 来源：/shared/research-kb/organized/paper_cards/490-2607-17524.md（Tom 7-21 radar candidates，OpenAlex，主分类 engineering）
  • arXiv 号：arXiv:2607.17524 Token-Level Off-Policy Learning for Faithful Generation Under Distribution Shift
  • 核心机制（一句话）：将后训练重构为 token-level correctness prediction 任务——训练模型区分 response 中的好 token 与坏 token，自然引导模型生成好 token，避免直接训练"off-policy tokens"的陷阱；document summarization 任务上 OOD 11 datasets 全面 SOTA，涵盖 sequence-level 与 token-level baseline 集合
  • 与 v31 脉络关系：直接归入 §1.2 主线 ⑤ Application-layer Reliability + v31 OPD 三联 + v31 §6 evaluation.md 跨文档引用；与 v31 #82 Rethinking Harness Evolution + v31 §1.2 主线 ⑤ ReliabilityBench arXiv:2601.06112v1 + v25 Reliability-without-Validity（arXiv:2606.19544）+ v25 Reward-Under-Attack（arXiv:2603.06621）+ v30 Atrex-Bench 同属"训练方法学反思 + 评测方法学反思"主线；关键增量：TOPL 把"off-policy learning"从 RL 范式重构为 token-level 二分类 + 自然引导 = 与 v31 Delta Distillation 的 "delta signal" 思路高度同源（都是"换监督信号"思路），但 TOPL 用 OOD 11 datasets 量化证明强于同源对比
  • 建议归入节：§1.2 主线 ⑤ Application-layer Reliability（v32 第四十二维候选 = Token-Level Off-Policy Reframing）+ §1.3 v32 补丁 ②d 候选（SEED + Delta Distillation + Demystifying OPD + Distilled RL + TOPL = 训练方法学五联）+ §6 evaluation.md 跨文档引用（OOD 11 datasets 评测协议新基线）
  • 反方 / 风险：(A) 仅在 document summarization 任务验证，跨任务（代码 / 推理 / 多模态）迁移性未核；(B) "好 token / 坏 token" 标注来源未披露（人工 / 模型 / heuristic？）；(C) 0 被引，与 v31 Delta Distillation 同根训练方法学补丁可能存在命名/作者重复（待核）；(D) 主分类 engineering 而非 llm-application，需 v32 双向同步

1.3 ⭐⭐⭐ Kimi K3（Moonshot AI）· 2.8T MoE + MXFP4 QAT + 1M ctx + 7-27 开源（应用层旗舰模型里程碑）

  • 来源：/shared/research-kb/inbox/jay/2026-07-21-2105-evening-briefing-hf-security-kimi-k3-vector-db-inference-stack.md §二（Jay 7-21 21:08 evening briefing，可信度 ⭐⭐⭐⭐⭐，Moonshot AI 官方 + HF Community 技术解读）
  • arXiv 号：HF Community Blog post（非 arXiv 论文），官方 API 7-16 已上 + 开源权重 7-27 解锁
  • 核心机制（一句话）：首个 3T 级开源主权模型（2.8T 总参 + ~50B 等效激活 / token 激活 16/896 experts）+ 1M tokens 上下文 + MXFP4 权重 / MXFP8 激活（QAT 量化感知训练 而非后训练）+ Kimi Delta Attention（混合线性注意力）+ Attention Residuals（Attention + MoE 异构残差）+ Stable LatentMoE + Per-Head Muon optimizer + SiTU + Gated MLA；SWE Marathon 42.0 SOTA + Program Bench 77.8 SOTA + Terminal-Bench 2.1 88.3（仅差 GPT-5.6 Sol 0.5 分）
  • 与 v31 脉络关系：直接归入 §1.1 市场规模与产业定位 + §1.2 主线 ① Coding Agent + v31 周边 ④ 模型发布；与 v25 Codex arXiv:2607.09424 Soofi 30B-A3B 主权开源 + v25 Nemotron 3 Super 120B-A12B Mamba-2+Attention + v31 §1.3 周边 + v31 §1.2 主线 ① SWE-Bench Pro -52% + Cursor 95% 存储 / 检索成本降低 同属「主权开源旗舰 + 推理可部署性」主线；关键增量：K3 = 2026 H2 截止首份「开源权重 + MXFP4 QAT + 1M 上下文 + SWE Marathon SOTA」四联满足，应用层从此告别"开源 vs 闭源"二元叙事；同时 K3 思考历史敏感 + 过度主动 + UX 落后是 v31 §1.2 主线 ② 的"harness 需要降级"反向补丁（harness 若截断 CoT 则质量下降）
  • 建议归入节：§1.1 市场规模与产业定位（v32 旗舰主权开源模型，7-27 开源窗口）+ §1.2 主线 ① Coding Agent（v32 第十节点候选 = SWE Marathon SOTA）+ §1.2 主线 ② Personal Assistant Agent（v32 第二十三节点候选 = 1M ctx Harness 设计）+ §1.2 主线 ⑤ Application-layer Reliability（v32 第四十三维候选 = MXFP4 QAT 量化感知训练的开源先例）
  • 反方 / 风险：(A) 开源 7-27 未到，待 PDF / 权重文件实测核；(B) "思考历史敏感"意味着 harness 设计若截断 thinking 会显著降级，harness 工程师需立即 patch；(C) UX 落后 Claude Fable 5 / GPT-5.6 Sol，生产可用性存疑；(D) 总参数 2.8T 但每 token 激活仅 50B，需核工程实现是否真为 MoE 完整版；(E) Mooncake disaggregated inference cache hit rate 90% 是 Moonshot 自报，需第三方验证

1.4 ⭐⭐⭐ FlashRT: Agent Harness for Real-Time Multimodal Applications（应用层部署的 agent harness 新范式）

  • 来源：/shared/research-kb/organized/paper_cards/491-2607-18171.md（Tom 7-21 radar candidates，主分类 agent，副 multimodal）
  • arXiv 号：arXiv:2607.18171 FlashRT: Agent Harness for Guiding Agents to Deploy Real-Time Multimodal Applications
  • 核心机制（一句话）：针对实时多模态应用（voice agents + interactive video generation）需要 application-specific 决策（placement / streaming / intra-model parallelism）的问题，提出 agent harness（FlashRT）指导 coding agent 把开发者写的 reference implementation 提升为高效实现——核心思路：通用 serving 系统 + auto-parallelism compilers 限于有限 transform + 固定 workload 假设；FlashRT 让 coding agent 在 harness 引导下针对每个应用定制
  • 与 v31 脉络关系：直接归入 §1.2 主线 ① Coding Agent + §1.2 主线 ② Personal Assistant Agent（voice/video 子方向）+ §6 engineering.md / llm-infra.md 跨文档引用；与 v31 #82 Rethinking Harness Evolution + v31 #81 AI Prototyper + v30 RxBrain + v30 Atrex-Bench + v25 Jet-Long 6 项 + v25 SageMath-Agent 同属"Coding Agent + Harness Engineering"主线；关键增量：FlashRT 把"agent harness"从离线训练/评测环节（SEED / LatencySensitiveBench）扩展到 实时多模态应用部署这个全新场景——是 v31 §1.2 主线 ① Coding Agent 的"deployment-time harness"补强，与 v31 #82 "evaluation-time harness"形成两侧闭环
  • 建议归入节：§1.2 主线 ① Coding Agent（v32 第六节点候选 = Deployment-time Harness）+ §1.2 主线 ② Personal Assistant Agent（v32 第二十四节点候选 = Voice/Video Agent）+ §1.2 主线 ⑤ Application-layer Reliability（v32 第四十四维候选 = Real-Time Multi-Modal Deployment Pipeline）+ §1.3 v32 补丁 ⑤a 候选（Harness Engineering 训练侧 + 评测侧 + 部署侧三联 = v31 #82 + AHE + FlashRT）
  • 反方 / 风险：(A) "agent harness guide coding agent"是 meta-harness 思路，与 v31 #82 评测方法学反思形成循环依赖风险；(B) 0 被引待独立消融；(C) voice agents / interactive video generation 的成本数据未披露；(D) 与 v31 AHE (arXiv:2604.25850) 是不是同源工作的不同应用层需要核作者团队

1.5 ⭐⭐⭐ Hugging Face July 2026 AI-Agent Intrusion + Databricks 79%/11% + Model Routing 三大陷阱（三源联合 · v31 §6 risk.md 跨文档重大补丁）

  • 来源：
  • HF Security Blog 2026-07：/shared/research-kb/inbox/jay/2026-07-21-2105-evening-briefing-hf-security-kimi-k3-vector-db-inference-stack.md §一（业界首例完全自主 AI-Agent 入侵）
  • Databricks State of AI Agents 2026：/shared/research-kb/inbox/jay/2026-07-21-1105-afternoon-briefing-llm-agent-db-cloudnative-jul2026.md §四 + /shared/research-kb/inbox/spark/2026-07-21-agent-e1prep.md 增量 5（79% 采用 vs 11% 生产 vs 40% 取消风险 vs 171% ROI）
  • IBM Research × HF Blog Model Routing 三大陷阱 2026-07-15：/shared/research-kb/inbox/jay/2026-07-21-1335-afternoon-briefing-hf-blog-github-trending-jul2026.md §三 + /shared/research-kb/inbox/spark/2026-07-21-agent-e1prep.md 增量 6（成本 ≠ 模型定价 / 复杂度 ≠ 任务难度 / 延迟 ≠ 模型速度）
  • arXiv 号：HF Security Blog（非论文） + Databricks 报告（非论文） + HF Blog 2026-07-15（非论文）；无新增 arXiv，仅为 production-level 三源联合证据
  • 核心机制（一句话，三源联合）：
  • (HF) AI-Agent 入侵 17,000+ 次：周末攻击者用 agentic security-research harness 在沙盒集群执行 17,000+ 自动化操作，从 dataset remote-code loader + template injection 入口，权限提升到宿主机，harvest 云凭证，横向移动；防御方取证时被 GPT/Claude 安全 guardrail 阻断，最终用 GLM 5.2 self-hosted 完成
  • (Databricks) Agent 工业级生产差距量化：79% 报告采用 vs 仅 11% 在生产运行 / 40% 项目取消风险 / 仅 6% 达到 AI 高绩效 / 企业 Agentic AI 平均 ROI 171%（美国 192%）
  • (IBM) Model Routing 三大反直觉陷阱：CodeAct AppWorld Test Challenge 实证 Sonnet $79 vs GPT-4.1 $155（Agent 工作负载缓存复用率抵消 base 价格差）+ "总结合同"看似简单实则触发 retrieval + 合规 + 工具调用 + 多轮精化 + 路由本身也有 overhead
  • 与 v31 脉络关系：直接归入 §1.1 ⑤ HF 7 月入侵 defender-asymmetry（已在 v31 §1.1 ⑤ + §0.5 + §1.3 五补丁 第 ⑤ 沿用） + v31 §6 risk.md 跨文档引用 + §1.2 主线 ⑤ Application-layer Reliability + §1.2 主线 ② Personal Assistant Agent；与 v31 #76 Why Agents Fail in Production + v31 #85 Lucid Memory Poisoning + v31 #80 PA-HDP + v31 #82 Rethinking Harness Evolution + v30 HF defender-asymmetry + v25 横切 80 Why Agents Fail 三模式 + v26 共识 34 Harness ≠ Model 同属「生产安全 + Agent 工业差距」主线；关键增量：三源联合形成 "实测事件（HF 入侵）+ 工业差距量化（Databricks 79/11/40/171）+ 路由维度反直觉（IBM 三大陷阱）" 三层证据链，把 v31 §1.1 ⑤ + §3.2 争议 #95-#100 + v31 §1.2 主线 ⑤ ReliabilityBench 反方缺口补丁主题页做实
  • 建议归入节：
  • HF 入侵：§1.1 ⑤（v32 升级为完整安全事件时间线，含取证链 + defender-asymmetry 二联）+ §3.2 v32 争议 #109 候选（GLM 5.2 取证 vs 商业 API guardrail 阻断）
  • Databricks 79/11/40/171：§1.1 fresh signals（v32 升级）+ §3.1 共识 35 候选（Agent 工业级生产差距量化三件套合并成熟 = Databricks 79/11/40/171 + AI Engineer Stack 89/52 observability + Kili 37 lab-vs-production）
  • IBM Model Routing 三大陷阱：§1.2 主线 ②（v32 节点候选 = Routing 维度反直觉）+ §3.1 共识 36 候选（路由 ≠ 分类 = 路由是系统优化问题 + 单维度决策不可靠）
  • 反方 / 风险：(A) HF 17,000+ 操作数字为 HF 自报，需第三方取证链核实；(B) Databricks 调研样本可能偏向 Databricks 客户群体（cloud-native 中大型企业）；(C) IBM CodeAct AppWorld 数据需第三方验证；(D) Databricks 40% 取消风险与 Berkeley RDI 2027 末 40% 预测时间窗口不同（提前 1 年），需 PDF 核 Berkeley 数字是否引用 Databricks；(E) 三源都是 production report / blog 性质，需 v32 标注 cross-reference 而非新立 arXiv

1.6 ⭐⭐ SWE-Pruner Pro: Agent 内部表征驱动的 Coding Agent Context Pruning（v31 §1.2 主线 ① Coding Agent 子方向）

  • 来源：/shared/research-kb/organized/paper_cards/489-2607-18213.md（Tom 7-21 radar candidates，主分类 agent）
  • arXiv 号：arXiv:2607.18213 SWE-Pruner Pro: The Coder LLM Already Knows What to Prune
  • 核心机制（一句话）：现有 SWE-Pruner 用外挂 code classifier；新方法观察到 agent 自己在读 tool output 时已经编码了 code context relevance 的内部表征——SWE-Pruner Pro 在 agent 内部加一个小 head，把 agent 自己的内部表征转成每行的 keep-or-prune label，配合 length-aware embedding 与每个 token 绑定
  • 与 v31 脉络关系：直接归入 §1.2 主线 ① Coding Agent；与 v30 RxBrain（arXiv:2607.14187）+ v30 Atrex-Bench + v25 SpecBench + v30 §1.2 主线 ① 多件 + v25 Jet-Long 6 项 + v31 AHE (arXiv:2604.25850) 同属"Coding Agent 长上下文管理 + Harness Engineering"主线；关键增量：SWE-Pruner Pro 把"context pruning"从"外挂 classifier"重构为"agent internal representation"——是 v31 AHE (arXiv:2604.25850) 框架中"experience observability"维度的具体落地证据
  • 建议归入节：§1.2 主线 ① Coding Agent（v32 第七节点候选 = Internal-Representation-Driven Pruning）+ §1.3 v32 补丁 ⑤b 候选（AHE + SWE-Pruner Pro + FlashRT = Harness × Coding Agent 三联）
  • 反方 / 风险：(A) 仅在 SWE 任务验证，跨任务迁移性未核；(B) "小 head" 的参数量与训练成本未披露；(C) length-aware embedding 与 line-level label 的对齐是否存在 off-by-one；(D) 0 被引，独立复现未到位

1.7 ⭐⭐ LatencySensitiveBench + Agentic Harness Engineering (AHE)（v32 评测方法学反思补丁）

  • 来源：/shared/research-kb/inbox/jay/2026-07-21-1950-jay-engineering-filter.md（Jay 7-21 19:50 工程筛选档）
  • arXiv 号：arXiv:2505.19481 LatencySensitiveBench（LSB，NeurIPS 2025 Spotlight） + arXiv:2604.25850 AHE
  • 核心机制（一句话）：
  • LSB：HFTBench + Street Fighter 双任务，量化命令 + benchmark 启动脚本 + 硬件配置 + 性能数据；核心结论 = 更小模型 + 更 aggressive 量化 优于 更大模型 + 更精确量化（Qwen2.5 3B 在 FP4-FP8 自适应 195ms vs 7B FP16 394ms，ELO 5.99 vs -0.44；HFTBench 14B 7.2bit 713ms +26.52% 收益 vs FP16 1302ms +17.20%）
  • AHE：harness 级别自动进化 + 三支柱可观测性（Component / Experience / Decision）——Terminal-Bench 2 pass@1 69.7% → 77.0%（10 次迭代，超越 human-designed harness Codex-CLI 71.9%）；SWE-bench-verified 跨模型迁移 tokens 减 12% + 成功率提升
  • 与 v31 脉络关系：直接归入 §1.2 主线 ⑤ Application-layer Reliability + §6 evaluation.md 跨文档引用；与 v31 #82 Rethinking Harness Evolution + v31 #83 On-Policy Delta Distillation + v31 §1.2 主线 ⑤ ReliabilityBench + v25 Reliability-without-Validity + v25 Reward-Under-Attack + v30 §3.2 争议 #97 Atrex-Bench "大部分通过来自 PyTorch fallback 而非真正由模型编写" 同属「评测方法学反思 + Harness Engineering」主线；关键增量：AHE 把 v31 #82 评测方法学反思从"理念批判"升级为"实证 pass@1 69.7→77.0"的工程突破；LSB 把量化精度与延迟的关系实证为"小模型 + aggressive 量化 > 大模型 + 精确量化"——对 v31 #82 "simple task-level search baseline"思想实证化
  • 建议归入节：
  • AHE：§1.2 主线 ⑤（v32 第四十五维候选 = Harness Engineering Automatic Evolution）+ §3.2 v32 争议 #110 候选（AHE 三支柱可观测性 = 评测方法学反思实证）
  • LSB：§1.2 主线 ⑤（v32 第四十六维候选 = Latency-Sensitive Quantization 反直觉）+ §6 evaluation.md 跨文档引用（latency-sensitive 评测协议新基线）
  • 反方 / 风险：(A) AHE 10 次迭代的 harness 配置基线对比未给全；(B) LSB HFTBench + Street Fighter 是 RL 风格任务，与 LLM 原生任务迁移性未核；(C) "更小模型 + 更 aggressive 量化"在长上下文 / 多轮 RAG 任务是否仍成立；(D) AHE 与 SWE-Pruner Pro / FlashRT 同根 Harness Engineering 主题，需 v32 统一归类

1.8 ⭐⭐ EvolvingWorld · Role-Play Agent × World Model Co-Evolution（v31 #86 DSWorld 主题页延伸）

  • 来源：/shared/research-kb/organized/paper_cards/493-2607-17250.md（Tom 7-21 radar candidates，主分类 agent）
  • arXiv 号：arXiv:2607.17250 EvolvingWorld: An Open-Schema Framework for Co-Evolving Role-Play Agents and World Model in Interactive Literary World
  • 核心机制（一句话）：把互动文学模拟建模为 long-horizon 过程——character 与 world states 持久更新 + open-schema 框架（区别于现有固定 schema 系统）= 角色与世界在交互中共同演进，捕捉"静态人格模仿"和"孤立场景生成"无法表达的时序演化
  • 与 v31 脉络关系：直接归入 §1.2 主线 ② Personal Assistant Agent + §1.2 主线 ⑤ Application-layer Reliability（role-play 子方向）；与 v31 #86 DSWorld + v30 RxBrain + v30 Vinci2-EgoMemo + v29 From Pixels to States（arXiv:2607.14076）+ v25 LongStraw + v25 LingBot-Video MoE 同属"Agent World Model + 长期记忆"主线；关键增量：EvolvingWorld 把 World Model 从"单域状态预测"（DSWorld 数据科学 / RxBrain 物理 / LingBot-Video 视觉）扩展到 "角色 × 世界共同演化 + open-schema" = 是 v31 #86 World Model 五联的第六节点
  • 建议归入节：§1.2 主线 ② Personal Assistant Agent（v32 第二十五节点候选 = Role-Play World Model Co-Evolution）+ §1.3 v32 补丁 ⑧a 候选（DSWorld + RxBrain + LingBot-Video + Vinci2-EgoMemo + From Pixels to States + EvolvingWorld = World Model 六联）
  • 反方 / 风险：(A) Open-schema 框架的稳定性在长 horizon（万轮以上）是否成立未披露；(B) "character 与 world co-evolve" 的评估指标未量化；(C) "interactive literary world" 域与 DSWorld 数据科学域的可比性存疑（不同任务本质）；(D) 0 被引，独立消融缺失；(E) "literary" 域的工业迁移性存疑（更多是创意写作 vs 生产 agent）
  • 来源：/shared/research-kb/inbox/jay/2026-07-21-1735-evening-briefing-github-trending-substack-agent-stack-hf-blog-w11-papers.md §一（Jay 7-21 17:35 evening briefing）
  • 核心机制（一句话）：
  • addyosmani/agent-skills（⭐ 77,040 + Fork 8,271 + 今日 +1,116，Addy Osmani Google Chrome 团队维护）= JS 生态官方 Agent Skills 集合，影响 claude-code / Cursor
  • mattpocock/skills（⭐ 165,055 + Fork 14,199 + 今日 +1,712，Matt Pocock 与 Claude 官方合作）= 规模最大 AI Skills 集合，Shell/TS/前端多场景
  • google-labs-code/stitch-skills（Google Labs 官方） = 代码编辑/修复场景 Agent Skills 集合
  • TencentCloud/TencentDB-Agent-Memory（腾讯云官方） = DB Agent Memory 框架，长期记忆存储 + 检索 + SQL 生成 + 数据库诊断
  • 与 v31 脉络关系：直接归入 §1.2 主线 ② Personal Assistant Agent（agent memory 子方向）+ §1.2 主线 ① Coding Agent（tool ecosystem）；与 v31 §1.3 周边 ④ The AI Engineer State of Agent Engineering 2026 痛点 + v31 §1.3 周边 ④ Union.ai Haytham 3D 框架 + v31 Kili / Morphllm + v25 §2.5 工业级 Harness ≠ Model 8 件套 + v26 §1.33 横切 53b 量化缺口 同属「工业级 Agent 技能生态」主线；关键增量：4 件 = 7-21 当日 GitHub Trending 的"Agent 技能工业化"集中爆发信号，是 v31 §1.3 周边 "+ AI Engineer Stack 2026 + TuringPost 20 Advanced RAG Types" 的工程化生态层补丁
  • 建议归入节：§1.3 v32 周边补丁 ⑥a（Agent Skills 工业化 GitHub Trending 4 件套）+ §1.2 主线 ② Personal Assistant Agent（v32 第二十六节点候选 = TencentDB-Agent-Memory 工业 DB Agent Memory）+ §1.2 主线 ① Coding Agent（v32 第八节点候选 = agent-skills / mattpocock/skills / stitch-skills 工具集）
  • 反方 / 风险：(A) 4 件 Trending 数据的"今日 +1,116 / +1,712" 增速需要 7-22 ~ 7-25 持续追踪核；(B) mattpocock/skills 165K ⭐ 是夸张数字，与 Claude 官方合作形态需核（是否合并到 Claude 项目？）；(C) TencentDB-Agent-Memory 的工程密度待 7-21 ~ 7-25 跟踪原文

2. v31 已固化的 9 试金石 + 数据库基础设施四论文补丁（不重复，仅作引用完整性）

本节仅为今晚活文档 v32 接力的完整性参考，不构成新增量

  • v31 #77 GRASP（arXiv:2607.10463 · OpenAlex W7168291226 · RL 粒度感知搜索策略 + 与 SearchOS-V1 形成检索粒度协调二联）
  • v31 #78 RAGU（arXiv:2607.11683 · 两阶段类型化抽取 + DBSCAN 去重 + Leiden 社区检测 + 紧凑 LLM 1-3B）
  • v31 #79 Chat2Scenic（arXiv:2607.14387 · OpenAlex W7169524372 · 自动驾驶迭代式 RAG + 与 DeepPlanning 跨域硬约束求解二联）
  • v31 #80 PA-HDP（arXiv:2607.14811 · OpenAlex W7169610995 · Prompt-Aware Dynamic Hierarchical DP for RAG）
  • v31 #81 AI Prototyper（arXiv:2607.14830 · OpenAlex W7169510749 · Figma 插件 + 分解 + RAG + human-in-the-loop GUI 垂直子域）
  • v31 #82 Rethinking Harness Evolution（arXiv:2607.12227 · harness evolution 评测协议反思 + 与 Reliability-without-Validity / Reward-Under-Attack 形成评测元方法学三联）
  • v31 #83 On-Policy Delta Distillation（arXiv:2607.15161 · delta signal = teacher 与 base model 差 + 新蒸馏奖励）
  • v31 #84 Demystifying On-Policy Distillation（arXiv:2607.13399 · OPD 角色 = exploration catalyst + 良好调控信号质量）
  • v31 #85 DSWorld + Lucid（arXiv:2607.15901 + arXiv:2607.15657 · 数据科学 World Model + 黑盒对抗攻击多模态 Agent 长期记忆）
  • 数据库基础设施四论文补丁：Aurora DSQL（arXiv:2607.13276）+ TVA Temporal Graph（arXiv:2607.00406）+ 50 年事务处理（arXiv:2605.20466）+ Epoch OCC（arXiv:2602.21566）+ Cloud-native LLM Research Agenda（arXiv:2604.17227）+ Atrex-Bench（arXiv:2607.14541）= v30 已固化
  • v30 五试金石沿用：SearchOS-V1 + SEED + Atrex-Bench + DeepPlanning + Why Agents Fail in Production + HF defender-asymmetry = v30 已固化

v32 接力提醒：v31 9 试金石 + 数据库基础设施补丁已在 7-21 04:00 CST 终态固化，本简报不重写；7-21 增量以「v31 主题页延伸 + 训练方法学深化 + 世界模型/角色扮演新主轴 + GitHub 工业化技能库爆炸 + 应用层模型里程碑（K3 2.8T MoE MXFP4 QAT）+ 安全事件 L0 闭环」为主，不强行升级 v31 #77-#85。

3. 矛盾 / 待核实说法（4 条）

3.1 矛盾 · Kimi K3 总参 2.8T vs 每 token 激活 ~50B 等效（架构细节待核）

  • 矛盾来源：Jay 7-21 21:08 evening briefing 报告 K3 = 2.8T 总参 / 50B 等效激活 / 每 token 激活 16/896 experts
  • 待核问题：MoE 路由在 2.8T 总参下 896 experts 是高密度设计，与 DeepSeek-V3 256 experts / Qwen3-30B-A3B 128 experts 形成有趣对照；K3 "KDA（混合线性注意力）+ AttnRes + Stable LatentMoE + SiTU + Gated MLA" 五组件同时首次出现是否有内部冲突？专家路由与 KDA 的兼容性是否需要 paper 验证？
  • 建议核实路径：等 Moonshot AI 技术报告 PDF（开源同步 7-27）+ HF Community Blog 进一步展开
  • 风险等级：🟡 中（开源未到，仅基于 HF Community Blog，未直接看技术报告）

3.2 矛盾 · HF 17,000+ 次入侵 vs 是否为业界首例 AI Agent 入侵

  • 矛盾来源：Jay 7-21 21:08 evening briefing 报告 HF 7 月入侵 = 业界首例完全自主 AI Agent 驱动
  • 待核问题：(A) "完全自主" 的定义边界——若攻击者用 agentic security-research harness 在沙盒集群执行 17,000+ 操作，这与"AI-augmented attacker"本质仍是半人工；(B) 是否真为"业界首例"——2025 / 2026 Q1 是否已有类似事件未被披露；(C) "GLM 5.2 取证" 是否经过第三方取证专家验证（briefing 提及已与外部取证专家合作但未公开报告）
  • 建议核实路径：HF Security Blog 原文 + 外部取证专家报告（如发布）+ 与 Anthropic / Google / Microsoft 同期是否也有类似事件
  • 风险等级：🟡 中（HF 自报事件，需第三方背书）

3.3 矛盾 · Databricks 79% 采用 vs 仅 11% 生产运行 vs Berkeley RDI 40% 取消风险（口径差异）

  • 矛盾来源：Jay 7-21 11:05 afternoon briefing + spark 7-21 13:45 agent-e1prep 增量 5
  • 待核问题：(A) Databricks 调研样本是否偏向 Databricks 客户群体（cloud-native 中大型企业），不反映中小 / 传统企业；(B) "79% 报告采用" 的"采用" 定义是 POC / pilot / 任何形式试运行？(C) "11% 在生产" 与 "40% 取消风险" 是否为同一批项目的子集（11% 生产 + 部分取消 = 其他 49% 仍在 pilot / POC）？(D) Berkeley RDI 2027 末 40% 取消预测 vs Databricks 40% 当前 = 时间窗口不同，是否 Berkeley 已引用 Databricks 数字
  • 建议核实路径：Databricks State of AI Agents Report 2026 全文 PDF + Berkeley RDI 2026 报告 + 同类（McKinsey / BCG / Deloitte） 2026 数字交叉验证
  • 风险等级：🟡 中（数字差异源自口径不同但需要明确化）

3.4 待核实 · SWE-Pruner Pro / FlashRT / TOPL / Distilled RL / EvolvingWorld 5 件 7-21 新 arXiv 是否同源工作？

  • 待核来源：5 件均为 7-20/7-21 投递的 0 被引新卡（paper_cards 488-495）
  • 待核问题：(A) SWE-Pruner Pro (arXiv:2607.18213) 与 AHE (arXiv:2604.25850) 是否同源团队？SWE-Pruner Pro 是 v31 #82 "evaluation harness" 的应用层延伸？(B) FlashRT (arXiv:2607.18171) 是否为 AHE 同团队 / 同期工作？(C) TOPL (arXiv:2607.17524) 与 v31 #83 On-Policy Delta Distillation (arXiv:2607.15161) 与 Distilled RL (arXiv:2607.17247) 是否为作者重叠 + 训练方法学延伸三联？(D) EvolvingWorld (arXiv:2607.17250) 与 v31 #86 DSWorld 主题页是否同团队 world model 系列？
  • 建议核实路径：7-22 ~ 7-25 arXiv 作者主页 + OpenAlex 关系图谱核
  • 风险等级：🟢 低（仅影响归类，不影响立标方向）

4. 可引用 arXiv 号列表（v32 接力索引）

4.1 新立 arXiv 候选（v31 未含，本简报净增量候选）

# arXiv 号 标题（压缩） 主分类 关联 v31 节 v32 候选归位
1 2607.17247 Distilled Reinforcement Learning for LLM Post-training（RL × OPD hybrid） engineering §1.2 主线 ⑤ + v31 #83-#84 v32 §1.2 主线 ⑤ 第四十一维 + §1.3 v32 补丁 ②c
2 2607.17524 TOPL Token-Level Off-Policy Labeling engineering §1.2 主线 ⑤ + §6 evaluation v32 §1.2 主线 ⑤ 第四十二维 + §1.3 v32 补丁 ②d
3 2607.18171 FlashRT Agent Harness for Real-Time Multimodal Apps agent + multimodal §1.2 主线 ① + §1.2 主线 ② v32 §1.2 主线 ① 第六节点 + §1.3 v32 补丁 ⑤a
4 2607.18213 SWE-Pruner Pro Internal Representation Pruning agent §1.2 主线 ① v32 §1.2 主线 ① 第七节点 + §1.3 v32 补丁 ⑤b
5 2607.17250 EvolvingWorld Role-Play Agent World Model agent §1.2 主线 ② v32 §1.2 主线 ② 第二十五节点 + §1.3 v32 补丁 ⑧a
6 2607.17423 TimeLens2 Generalist Video Temporal Grounding multimodal 跨主题（不直接归 llm-application） 跨主题参考
7 2607.18217 HOMIE Human-object Centric Video Personalization multimodal 跨主题（不直接归 llm-application） 跨主题参考
8 2607.09759 ReflectWorld-MM Multimodal Memory System multimodal 跨主题（v31 #86 World Model 主题页参考） 跨主题参考

4.2 重要 v31 沿用（本简报延伸应用）的非 arXiv 资源

# 资源 标题 类型 v32 候选归位
1 HF Community Blog 2026-07-21 Kimi K3 2.8T MoE MXFP4 QAT 7-27 开源 模型发布 §1.1 + §1.2 主线 ① 第十节点 + §1.2 主线 ② 第二十三节点 + §1.2 主线 ⑤ 第四十三维
2 HF Security Blog 2026-07 HF 7 月 AI Agent 入侵 17,000+ 次 + GLM 5.2 取证 安全事件 §1.1 ⑤ + §3.2 v32 争议 #109 候选
3 Databricks State of AI Agents Report 2026 79% vs 11% vs 40% vs 171% ROI 工业数据 §1.1 + §3.1 共识 35 候选
4 IBM Research × HF Blog 2026-07-15 Model Routing 三大工程陷阱 工程经验 §1.2 主线 ② 节点候选 + §3.1 共识 36 候选
5 AHE (arXiv:2604.25850, 已 v31 #82 沿用但本次深度展开) Terminal-Bench 2 69.7→77.0 + 三支柱可观测性 Harness Engineering §1.2 主线 ⑤ 第四十五维 + §3.2 v32 争议 #110 候选
6 LSB (arXiv:2505.19481, NeurIPS 2025 Spotlight) LatencySensitiveBench HFTBench + Street Fighter Benchmark §1.2 主线 ⑤ 第四十六维 + §6 evaluation 跨文档引用
7 GitHub: addyosmani/agent-skills 77K⭐ / mattpocock/skills 165K⭐ / google-labs-code/stitch-skills / TencentCloud/TencentDB-Agent-Memory Agent Skills 工业化 GitHub Trending 4 件套 工程资源 §1.3 v32 周边补丁 ⑥a + §1.2 主线 ① 第八节点
8 OpenAI 2026 Safety/Align Long-Horizon Models Blog + Scorecard for the AI Age Blog 应用层 ROI 量化（成本 / 可靠 / 算力） 行业数据 §1.1 + §3.1 共识 候选

4.3 v31 已沿用（不重列，仅总数确认）

  • v22-v31 累计 arXiv ID：约 165 项（v31 9 项净增后总数）
  • 本简报新增（含已含 v31 的 #82-#85 的沿用 + 8 件新立候选 4.1）：v32 候选池 5 件 + 8 件 7-21 主题页延伸 = 13 件候选
  • GitHub 综合（v22-v32 累计 32+ 件）：DrugGen-2 + LHTB + SLIME + Graphify + Vibe-Trading + ai-system-design-guide + AI-research-SKILLs + awesome-production-machine-learning + prompt-engineering-guide + yshk-mxim/agent-memory + cxcscmu/General-AgentBench + scrya-com/RotorQuant + rethinking-harness-evolution + BAGEL-7B-MoT + WxxShirley/Agent-STAR + antics-labs/SearchOS + Tencent-Hunyuan/Hy-Embodied-RxBrain-1.0 + pydantic/monty + mudler/localai + microsoft/foundry-managed-compute + hugging-apps/rxbrain-embodied-cognition + addyosmani/agent-skills（v32 新增 77K⭐）+ mattpocock/skills（v32 新增 165K⭐）+ google-labs-code/stitch-skills（v32 新增）+ TencentCloud/TencentDB-Agent-Memory（v32 新增）

5. 简报小结（一句话给今晚活文档接力 E2）

  • 立标候选（v31 → v32 升格候选）：本简报未升格 v31 #77-#85，但识别 5 件 v32 候选池净增量（Distilled RL 2607.17247 / TOPL 2607.17524 / FlashRT 2607.18171 / SWE-Pruner Pro 2607.18213 / EvolvingWorld 2607.17250）+ 4 件 v32 周边补丁（Kimi K3 7-27 开源 + HF 7 月入侵 GLM 5.2 + Databricks 79/11/40/171 + IBM Model Routing 三大陷阱）+ 1 件 GitHub Trending 工业化补丁（4 件 agent-skills / skills / stitch-skills / TencentDB-Agent-Memory）
  • 训练方法学深化方向：v31 #83/#84 OPD 三联延伸为 v32 OPD 五联 = SEED + Delta Distillation + Demystifying OPD + Distilled RL + TOPL——v32 训练方法学主题页将拥有 "RL × OPD hybrid + token-level OPL" 两个新增维度
  • Harness Engineering 三时间点闭环：v31 #82 evaluation-time + AHE harness evolution auto + FlashRT deployment-time = v32 Harness Engineering 三时间点闭环（训练 → 评测 → 部署）
  • Agent World Model 主题页延伸：v31 #86 五联（DSWorld + RxBrain + LingBot-Video + Vinci2-EgoMemo + From Pixels to States）+ EvolvingWorld（role-play × open-schema co-evolution）= v32 World Model 六联
  • v32 主要风险：(A) Kimi K3 总参 vs 激活细节开源未到位 + HF 入侵取证链第三方背书 + Databricks 数字口径明确化 + 5 件 7-21 新 arXiv 同源性——4 条矛盾待核实（详见 §3）

6. 检查过的来源（不重复条目，仅列出来源覆盖）

  • paper_cards/：488 (HOMIE) / 489 (SWE-Pruner Pro) / 490 (TOPL) / 491 (FlashRT) / 492 (TimeLens2) / 493 (EvolvingWorld) / 494 (Distilled RL) / 495 (ReflectWorld-MM) + 481-487 已 v31 沿用确认
  • inbox/jay/ 7-20 ~ 7-21 共 28 份：1450-jay-engineering-filter / 1950-jay-engineering-filter / 1335-afternoon-briefing-hf-blog-github-trending-jul2026 / 1500-evening-briefing-cidr-dbhammer-raschka-agentic-rag-hf-ecosystem / 1735-evening-briefing-github-trending-substack-agent-stack-hf-blog-w11-papers / 2105-evening-briefing-hf-security-kimi-k3-vector-db-inference-stack / 1335-afternoon + 1105-afternoon-briefing-llm-agent-db-cloudnative + 1000-inference-stack-netflix-pytorch-dbaas + csdn-inference-stack-vllm-sglang-substack + 21× RSS（lilian-weng, msr-blog, nathan-benaich, simon-willison, bytebytego, raschka, import-ai, cool-papers, cool-papers-ir, karpathy, fireship, ai-explained 不直接归） + 1300-1400 数据库补
  • inbox/flyp/ 7-20 ~ 7-21 共 8 份：multimodal-e1prep + risk-e1prep + 4 件 multimodal critical-read + coding-agents-e1prep（仅引用）
  • inbox/spark/ 7-20 ~ 7-21 共 5 份：agent-e1prep（含 Cost-Aware + Behavioral Privacy + Cura 1T + Lilian Weng Harness + Databricks 79/11/40/171 + IBM Routing 三大陷阱 + Spark 主线 A Q103 阈值触发 7 件主线增量）+ llm-infra-e1prep + 3× RSS
  • inbox/tom/ 7-20 ~ 7-21 共 12 份：rag-e1prep + evaluation-e1prep + inference-e1prep + T0840 / T1440 / T2040 radar + 0900-hf-daily-2026-07-21 + rag-lite + agents-lite + 4× RSS
  • inbox/stephen/ 7-20 ~ 7-21 共 6 份：1003-anthropic-news / 1003-deepmind-news / 1003-google-ai / 1003-openai-news / 1003-tldr-ai / 1003-hf-blog + 0910-news-x-vip-radar + 22 日 morning briefing + 21 日 1005 evening briefings（anthropic / deepmind / openai yt）+ 1245-coordination-check-noon

7. v32 接力建议（给今晚活文档修订 E2）

  1. 不重写 v31：v31 9 件试金石 + 数据库基础设施补丁 + HF defender-asymmetry 已固化，重写会丢失 76 + 9 = 85 件试金石的累积体系
  2. 新增 v32 五层补丁（候选池）： - 补丁 ②c：Distilled RL（RL × OPD hybrid） → 与 v31 #83/#84 形成 On-Policy Distillation 五联 - 补丁 ②d：TOPL Token-Level Off-Policy Labeling → 加入训练方法学补丁 ② - 补丁 ⑤a：FlashRT 部署时间点 Harness → 加入 Harness Engineering 三时间点闭环 - 补丁 ⑤b：SWE-Pruner Pro 内部表征驱动 Pruning → 加入 Harness Engineering - 补丁 ⑧a：EvolvingWorld Role-Play World Model → 加入 World Model 六联
  3. v32 周边补丁（4 件非 arXiv）： - Kimi K3 7-27 开源（应用层旗舰模型里程碑） - HF 7 月入侵 + GLM 5.2 取证（安全事件完整链） - Databricks 79/11/40/171 + IBM Routing 三大陷阱（Agent 工业级生产差距量化 + 路由维度反直觉）
  4. v32 GitHub 周边补丁（4 件新立）： - addyosmani/agent-skills 77K⭐ - mattpocock/skills 165K⭐ - google-labs-code/stitch-skills - TencentCloud/TencentDB-Agent-Memory
  5. v32 争议补丁（3 条候选）： - #109：GLM 5.2 取证 vs 商业 API guardrail 阻断（HF 7 月入侵） - #110：AHE 三支柱可观测性 = 评测方法学反思实证 - #111：Databricks 79/11/40/171 工业差距口径明确化（待 Berkeley RDI 引用核）
  6. v32 共识补丁（2 条候选）： - #35：Agent 工业级生产差距量化三件套合并成熟（Databricks 79/11/40/171 + AI Engineer Stack 89/52 + Kili 37 lab-vs-production） - #36：路由 ≠ 分类（IBM Model Routing 三大反直觉陷阱）

简报结束 · 7-21 E1 预消化由 Stephen 21:10 CST 完成 · 本简报严格按 cron E1 规则生成 · 下次接力 E2 由 spark cron e87f2... 7-22 21:10 触发