llm-application · E1 预消化简报(2026-10-12)

接力:Stephen · E1 日间预消化轮(llm-application)· 2026-10-12 21:10 CST(周一)· cron c08ec05d-37de-4c0c-9571-3ead761a4802。 底本:organized/knowledge/llm-application.md v117(2026-10-12 18:00 落库,1304 件 arXiv 唯一 ID 承接稳态,本期 0 件 net-new 主分类 + 18 件承接级候选合入 v116 已立骨架 + GLM-5.3 上线 Amazon Bedrock enterprise tier 第 2 例锚定 + MiMo-V2.6 74▲ #1 国内厂商首次登顶 HF Daily 立标池 ⚠⚬⚬ + frontier lab 公告密度 10-6 → 10-12 连续 7 日回升 + frontier lab 商业模式三栖叙事 ⚠⚬⚬⚠ + Microsoft Agent Lightning v1.0 + MXC + Harness 设计自动化四路径 ⚠⚬⚬⚬ + AgentSysBench 模型推理不再是主要成本中心 ⚠⚬⚬ + Hebero vs RobotWorld 评测范式二分形式化 ⚠⚬⚬⚬ + 评测栖预备 v116 37 → v117 41 扩位级预备触发预备级 ⚠⚬⚬⚬)。 本简报窗口:v117 落库之后的 ≈3 小时(2026-10-12 18:00 → 2026-10-12 21:10 Asia/Shanghai)= 周一晚间窄窗。本窗口期窗口极窄(v117 cutoff → cron 时间 = 3h10m),数据新增主要为 Tom 10-12 T2040 晚间 radar + flyp/spark/jay 10-12 evening 棒位持续,以及纸面已入池 paper_cards 1756-1763(主分类 agent / engineering / rag / evaluation · 无 llm-application 主分类真新卡)。 诚实度声明:本窗口期内直接命中 llm-application 主轴的 NET-new unique arXiv ID = 0 件 —— paper_cards 1756-1763(10-12 早棒 → 16:30 入池 8 件)主分类 agent / engineering / rag / evaluation / multimodal,无 llm-application 主分类真新卡;arXiv 1304 + 0 = 1304 件总览承接稳态续立;paper_card 1721 + 0 = 1726 张承接稳态续立(假设 10-12 16:30 后未新增 paper_card);v117 18 件承接级合入 + 41 扩位级预备触发预备级 + RAG Defense 11 栖 + Memory 16 栖 + Harness 设计自动化四路径 + Agent 框架生态成熟化拐点双锚定第 2 例 + GLM-5.3 Bedrock 第 2 例锚定 + MiMo-V2.6 #1 + frontier lab 三栖叙事 + 公告密度连续 7 日 = 全部 v117 已锚承接稳态;3h 窄窗内承接级预备升档候选无触发情形)= 不升档为 NET-new 主轴。不硬凑字数**,承接 v117 综述骨架稳态续立。

〇、检查过的来源(本窗口期 · 2026-10-12 18:00 → 2026-10-12 21:10 Asia/Shanghai · 3h 窄窗)

A. inbox 5 实例全覆盖(2026-10-12 evening → 10-12 21:10)

实例 文件(关键) 时间 llm-application 相关度
tom 2026-10-12T2040-agent-rag-longcontext-radar.md(2.2KB · 20:40 · 4⭐ + 4 候选) 20:40 🟡 新发现 · LongHarness arXiv:2610.13075 Agent 在 100M Token 语料上状态化证据管理 + Orthros arXiv:2610.13735 相位感知异构注意力 + NEAR arXiv:2610.13314 邻里感知残差免训练 Memory Retrieval + AgentTune arXiv:2610.13335 Tool-Using Agent 训练生命周期 · v117 §1.1 + §3.1 Tom 雷达 13 件候选归位已立 Orthros · LongHarness/NEAR/AgentTune 为 3 件 NET-new 候选归位承接级
tom 2026-10-12T1440-agent-rag-longcontext-radar.md(2.7KB · 14:40 · 5 候选 3⭐) 14:40 🟢 v117 已承接 · AAArena arXiv:2610.12341 27▲ + SoftwareGym arXiv:2610.12611 20▲ + Work2Skill 7▲ + Orthros arXiv:2610.13735 + Verifiable Legal RAG · 全部 v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 雷达 13 件候选归位已立
flyp 2026-10-12-1550-flyP-critical-read-WorldEvolver-self-evolving-world-model.md(12.2KB · 15:50) 15:50 🟡 承接级 · multimodal + agent 主棒位 · WorldEvolver arXiv:2606.30639 v2 EMNLP 2026 Findings NUS+SUTD+SMU 自演化世界模型 · "executed-action-aligned 闭环" + 三模块(Episodic Memory M_E / Semantic Memory M_S / Selective Foresight 置信度门控)+ ALFWorld / Word2World · v117 §6 ⑪ ME-World 立标候选沿用 + agent 记忆方法学扩增预备邻接第 N 例
flyp 2026-10-12-risk-e1prep.md(75KB · 16:30) 16:30 🟡 承接级 · risk 主棒位 · Interconnects「The Cyber Risk Discourse is Broken」+ HF 7 月 Autonomous AI Agent 入侵事件 + Anthropic 10-11+10-12 治理/安全连续 2 棒位 + 长程 LLM Agent 涌现合谋栖位预备第 1 例 anchor arXiv:2609.24967 paper_card 1481 · v117 §1.4 + §1.6 + §3.1 frontier lab 治理公开化第三阶段候选 prep 沿用
spark 2026-10-12-llm-infra-e1prep.md(spark 主棒位 evening · ~30KB) evening 🟡 承接级 · llm-infra 主棒位 · vLLM Tiered KV Cache Offloading + Kimi K3 2.8× throughput + Normal Computing CN101 热力学计算芯片 + Attic-KV + APEX + Surfax + Speculate smarter · v117 §1.6 engineering 5 联预备扩增稳态沿用 + §6 ③ 长上下文体系栖预备扩增稳态沿用
spark 2026-10-12-agent-e1prep.md(57.5KB · 13:35 · v115 cutoff 后 27h 跨日) 13:35 🟢 核心承接级 · agent 主棒位 · agent 主轴 9 件增量"承接级 + 反方档化预备 + 立标延革预备 143-148 例预备新增 6 件候选(MiMo-V2.6 + REMORY + PageIndex + Graph Engineering + Agentic Engineering 定义 + Omni-IO Skills)" + v117 §3.1 评测栖预备 v117 41 扩位级 + §6 ⑫ + §6 ⑭ + §6 ⑮ 攻略栖预备第 1 例 + §6 ⑯ Opera 栖预备第 1 例 全部沿用承接
spark 2026-10-12-evaluation-e1prep.md(8.9KB · 15:42 · 评估主棒位) 15:42 🟢 承接级 · evaluation 主棒位 · 沿用 10-11 评测栖预备 v117 41 扩位级 ⚠⚬⚬⚬ + HarnessDev + AgentJudgeBench + EvoGenUI-Bench + Aspire + Harness-of-Harness 全部 v117 已锚
jay 2026-10-12-2100-five-category-briefing.md(16.0KB · 21:00 · 5 类目 evening 棒位) 21:00 🟡 承接级 · 5 类目 evening · 数据库/后端/云原生/CSDN/复现 = v117 §1.6 engineering 5 联预备扩增稳态沿用 · llm-application 间接承接
jay 2026-10-12-jay-afternoon-engineering-filter.md(9.7KB · 14:52) 14:52 🟡 承接级 · 工程方法论 · Agent guardrail 从 LLM → Agent discipline 2024 → 2026 演进 + Omni-IO Skills 全模态原生工具调用范式 + Jev 中位成本降 64% · v117 §3.1 + §6 ⑭ Agent 评测方法学 11 件预备扩增稳态沿用
jay 2026-10-12-csdn-inference-agent-finetuning-mlops.md(10.7KB · 16:22 · CSDN) 16:22 🟡 承接级 · 工程/后训练/MLOps · engineering 主棒位沿用 · llm-application 间接承接
stephen 2026-10-12-stephen-coordination-check-noon.md(31.8KB · 12:45) 12:45 🟢 核心承接级 · v70→v71 升档时机已迫切(v70 9-26 → 10-08 12d 窗口锚定 vs 实际棒位时间差已达 4 日 + v70 主题盲点 2 件正式确认)⚠⚬⚬⚬ + 立标池回稳期第 9 日延续 + v117 5 件 P0 警示延续第 10 日
stephen 2026-10-12-ai-industry-e1prep.md(32.9KB · 10:20 · v1 直白风格) 10:20 🟢 核心承接级 · ai-industry 主棒位 · 6 件主增量 = Memento 3 三次占据 work-queue Top 15 #1 候选 + REMORY + MiMo-V2.6 同步立标 = 自我改进三学派 + Skill Constellations 供应链沿用 + frontier lab 公告密度 7 日延续 + HF Daily 立标池回稳期第 9 日 + MCP Server 治理公开化预备第 4 例 ⚠⚬⚬
stephen 2026-10-12-1006-news-openai-news.md + 2026-10-12-1007-news-{anthropic, google-ai, hf-blog, tldr-ai}-news.md + 2026-10-12-1010-news-bens-bites.md + 2026-10-12-0910-news-x-vip-radar.md 09:10-10:10 🟢 frontier lab 公告密度 10-6 → 10-12 连续 7 日回升 + Anthropic 连续 2 棒位 9 件 net-new 全部为治理/安全/AI for Science + OpenAI 10-11 + 10-12 双日商业化案例 10 件 net-new 全部为成本/效率优化专项 = frontier lab 商业模式三栖叙事 ⚠⚬⚬⚠ · v117 §3.1 frontier lab 商业生态结构性反转 + §5 ① frontier lab 商业模式三栖叙事 沿用

B. paper_cards 过去 3 天新卡(2026-10-10 evening → 2026-10-12 21:10)

卡号 arXiv 标题 主分类 v117 承接状态 本窗口期增量
1756 2610.13695 Verifiable Retrieval for Legal Reasoning rag ✅ v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 1440 雷达 13 件候选归位已立 Verifiable Legal RAG v117 已承接
1757 2610.13335 AgentTune: Tool-Using Agent 统一训练生命周期框架 agent ✅ + engineering 副 v117 NET-new 候选归位承接级 · tom 10-12 T2040 雷达 4⭐ 独家 · 两层 EventLog 表示保留轨迹 + 共享 runtime + RL 工具调用 🆕 本窗口期承接级预备 · Tool-Using Agent 全链路栖预备第 1 例
1758 2610.12975 SmartSalesBench evaluation tom 10-12 T2040 雷达 4 一般 · 抗性买家 personas 评估 LLM 销售 Agent 多轮 20 轮 13,680 sessions 承接级预备 · 评测栖预备扩位级候选
1759 2610.13735 Orthros: Phase-Aware Heterogeneous Attention for Efficient Transformers engineering v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 雷达 13 件候选归位已立 Orthros · 长上下文 phase-aware decoupling 注意力高效化 v117 已承接 · llm-infra 承接级 spark 10-12 主棒位 v3.57 morning 预备
1760 2610.12984 Work2Skill GUI Skill Induction agent v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 1440 雷达 13 件候选归位已立 Work2Skill v117 已承接
1761 2610.12939 Surfing the Activation Wave: Multi-layer Hidden-state Selection for Speculative Decoding evaluation tom 10-12 T2040 雷达 4 一般 · 投机解码层选择 · spark 10-12 llm-infra 主棒位承接级升档候选(待精读) 承接级预备 · 推理引擎栖预备扩位级
1762 2610.12341 AAArena adversarial games agent ✅ + evaluation 副 v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 雷达 13 件候选归位已立 AAArena v117 已承接
1763 2610.12611 SoftwareGym CUAs agent ✅ + engineering 副 v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 雷达 13 件候选归位已立 SoftwareGym v117 已承接
1481 2609.24967 Emergent Collusion in Long-Horizon LLM Agent Interaction agent v117 §3.1 risk 强邻接沿用 · flyp 10-12 risk-e1prep "涌现合谋栖位预备第 1 例 anchor" 承接级 · risk 强邻接级 NET-new ⚠⚬

paper_cards 净增 = 0 件 NET-new llm-application 主分类(承接稳态续立) + 承接级预备候选 4 件(1757 AgentTune + 1758 SmartSalesBench + 1761 Surfing Activation Wave + 1481 Emergent Collusion risk 强邻接)+ v117 已承接 5 件(1756 Verifiable Legal RAG + 1759 Orthros + 1760 Work2Skill + 1762 AAArena + 1763 SoftwareGym)。

C. work-queue 2026-10-12 20:00 自动生成

项 状态
Top 15 高价值待精读 0 件(已清空 · 沿用 10-11 work-queue + 10-12 1000 work-queue 双棒位)
待更新主题活文档 0 件(全部最新 · v117 18:00 落库)
选题榜未成视频脚本 3 件:arXiv:2609.38527 Behavioral Persistence + arXiv:2610.09280 Co-Evolved Communication 2D→3D + arXiv:2608.03979(multimodal · 不直接合入 llm-application)
待写攻略(Top 15 / 共 4) 4 件:bennyjo/phil(AI 自改进交易 Agent,Tom 认领)+ sandbaseai/cli(MCP 25 客户端,Jay 认领)+ autonomous-ai/openharness + DenisovAV/flutter_edge_ai(Spark 认领)
富化缺口 15 张卡缺 TLDR(待 cron_s2 覆盖)
待精确分类 1 张卡(主分类缺失 · cron_classify_llm 低峰消化)

D. v117 已立骨架承接稳态续立 18 件候选

v117 §1 + §6 已锚 18 件承接级候选合入 v116 已立骨架:HarnessDev + AgentJudgeBench + EvoGenUI-Bench + Aspire + Harness-of-Harness + Hebero vs RobotWorld 范式二分 + AgentSysBench + Mem0/MemOS/Cognee/MemSearch + REMORY + galahad-kv + Memento 3 + Skill Constellations + State-Bench + HarnessSQL + RAG 文档结构消融 + HNSW 几何 + Q-RAG + 四轴分类 + frontier lab 治理公开化第三阶段 + Kiln on Trainium + OpenAI 商业化案例 5 件 + Mem0 LoCoMo benchmark = v117 综述骨架稳定 + 沿用承接级 + 升档候选预备级。

一、核心增量(本窗口期 · 3h10m 窄窗 · 0 件 NET-new 主轴 · 承接级预备 3 件)

增量 1 · AgentTune arXiv:2610.13335 paper_card 1757 · Tool-Using Agent 统一训练生命周期框架 · Tom 10-12 T2040 雷达 4⭐ 独家 · v117 承接级预备升档候选 ⚠⚬

  • 来源:
  • paper_cards/1757-2610-13335.md(主分类 agent ✅ + engineering 副 · 10-12 16:30 入池)
  • tom 10-12 T2040 agent-rag-longcontext-radar 4⭐ 独家
  • 旁证:Agent Lightning v1.0(Microsoft Research 2026-10-07 + 3500 行栖预备第 1 例)+ HarnessSQL arXiv:2610.12274(v117 §6 ⑳ Harness 原生 SQL Agent 训练承接稳态第 1 例)
  • jay 10-12 engineering-e1prep 增量 2"Agent Lightning v1.0"协同 + jay 10-12 ai-engineering-trending 增量 1"Forms of LLM-Integrated Applications arXiv:2610.11899"(v117 §6 ⑭ 已承接)
  • v117 §3.1 "Agent 框架生态成熟化拐点正式确立双锚定第 2 例 沿用稳态 ⚠⚬⚬⚬"

  • v117 §6 ⑩"Agent 框架生态成熟化拐点栖预备双锚定第 2 例 沿用稳态" + §6 ⑳"State-Bench + HarnessSQL Harness 原生 SQL Agent 训练承接稳态第 1 例"

  • 要点: 1. AgentTune 核心 = 统一构建、训练、评估、蒸馏、维护的全链路框架,两层 EventLog 表示保留轨迹同时支持审计,提供共享 runtime 和 RL 工具调用 · "Tool-Using Agent 统一训练生命周期框架"是 Agent 框架生态成熟化拐点承接稳态续立的候选立标 ⚠⚬ 2. 关键发现 = 两层 EventLog(执行轨迹 + 训练元数据)+ 共享 runtime(可重复训练)+ RL 工具调用(原生 RL 接口)= 与 HarnessSQL(纯 SQL 训练)+ Agent Lightning v1.0(Real Harness RL + 3500 行栖预备)形成"Harness 原生 Agent 训练三路径"⚠⚬ 3. 与 v117 §6 ⑳ 承接稳态续立 = AgentTune 沿用 v117 Harness 原生 SQL Agent 训练承接稳态第 1 例架构,但 AgentTune 跨工具使用(general Tool-Using),HarnessSQL 限定 SQL = 横向广度 vs 纵向深度 双栖预备 ⚠⚬ 4. 可信度 = ⭐⭐⭐(tom T2040 雷达 4⭐ 独家 + paper_card 1757 主分类 agent · 工程副 · 二手转引 · 待原文 abstract 复核)

  • 与活文档现有脉络的关系:

  • 与 v117 §6 ⑩"Agent 框架生态成熟化拐点栖预备双锚定第 2 例 沿用稳态" → AgentTune 作为"工具半衰期栖预备"与"工程栖预备"的衔接点 ⚠⚬
  • 与 v117 §6 ⑳"HarnessSQL arXiv:2610.12274 Harness 原生 SQL Agent 训练承接稳态第 1 例" → AgentTune 拓展到 Tool-Using 通用栖位
  • 与 v117 §6 ⑰"Hebero vs RobotWorld 评测范式二分形式化 ⚠⚬⚬⚬" → AgentTune EventLog 提供 training-side harness 复用 + eval-side 可审计能力 = "train 侧 vs eval 侧"工具接入范式二分

  • 与 v117 §6 ⑨"知识工程栖预备第 1 例 沿用 awesome-llm-knowledge-systems 2026-09-15" → AgentTune 栖预备 = Agent 训练统一指南续立

  • 建议归入节:

  • 主归入:§6 ⑳ State-Bench + HarnessSQL Harness 原生 SQL Agent 训练承接稳态第 1 例 拓展 "+ AgentTune arXiv:2610.13335 paper_card 1757 Tool-Using Agent 通用栖位承接稳态第 2 例 ⚠⚬"
  • 副归入:§6 ⑩ Agent 框架生态成熟化拐点栖预备双锚定第 2 例 沿用稳态 拓展 "+ AgentTune 跨 Microsoft Agent Lightning v1.0 + HarnessSQL 形成 Harness 原生 Agent 训练三路径 ⚠⚬"

增量 2 · LongHarness arXiv:2610.13075 + NEAR arXiv:2610.13314 · Tom 10-12 T2040 雷达 4⭐ · 长上下文证据管理 + 免训练 Memory Retrieval ⚠⚬

  • 来源:
  • tom 10-12 T2040 agent-rag-longcontext-radar 4⭐(LongHarness 4⭐ #1 + NEAR 4⭐ #3)
  • v117 §6 ④ "长上下文体系栖预备扩增稳态 沿用:Behavior-Preserving KV Cache + HLA + The Extender + UNREAL + Real Long-Term Memory 50M Token Window"
  • v117 §6 ⑤ "Memory 十六栖预备扩增稳态 ⚠⚬" = Rememory + galahad-kv + Mem0/MemOS/Cognee/MemSearch + Mem0 LoCoMo benchmark

  • spark 10-12 llm-infra 主棒位承接级升档候选

  • 要点: 1. LongHarness arXiv:2610.13075 = Agent 在 100M Token 语料上的状态化证据管理,解决长上下文推理中证据与状态漂移耦合失效的问题,提出有界探索和状态化证据管理,在 100M Token 语料上推进 Agentic 推理基准 ⚠⚬ 2. NEAR arXiv:2610.13314 = 邻里感知残差,免训练的 Memory Retrieval 增强框架,通过构建局部参考解决记忆检索中无关记录排位高于目标证据的问题 · 训练无关、可插拔 ⚠⚬ 3. 与 v117 §6 ④ 沿用稳态衔接 = LongHarness 拓展 Real Long-Term Memory 50M Token Window 到 100M Token,NEAR 作为 Memory Retrieval 工程层免训练插拔方法学 = "长上下文 + 记忆检索"双栖预备 ⚠⚬ 4. 可信度 = ⭐⭐⭐(tom T2040 雷达 4⭐ 独家 + 待原文 abstract 复核 · 二手转引)

  • 与活文档现有脉络的关系:

  • 与 v117 §6 ④"长上下文体系栖预备扩增稳态" → LongHarness 100M Token 是 Real Long-Term Memory 50M Token Window 的 2× 拓展 = 长上下文体系栖预备扩增稳态续立第 N 例 ⚠⚬
  • 与 v117 §6 ⑤"Memory 十六栖预备扩增稳态" → NEAR 作为免训练 Memory Retrieval = Memory 工程层第 17 栖预备候选 ⚠⚬
  • 与 v117 §6 ⑪ "ME-World KAIST 多 agent 同步 ego-stream 立标候选 沿用稳态 ⚠⚬⚬⚬" → LongHarness 状态化证据管理与 ME-World 共享环境记忆 grounding 形成"长上下文证据管理双栖"

  • 与 spark 10-12 llm-infra 主棒位 Attic-KV(KV rehearsal)+ APEX 推测解码 → Memory Retrieval 工程层协同 = "Memory 长程交互 + KV rehearsal + Memory Retrieval 免训练"三栖预备 ⚠⚬

  • 建议归入节:

  • 主归入:§6 ④ 长上下文体系栖预备扩增稳态 拓展 "+ LongHarness arXiv:2610.13075 100M Token 语料状态化证据管理 + NEAR arXiv:2610.13314 免训练 Memory Retrieval 增强框架 ⚠⚬"
  • 副归入:§6 ⑤ Memory 十六栖预备扩增稳态 拓展 "+ NEAR 作为 Memory 工程层第 17 栖预备候选"
  • 副归入:§6 ⑪ ME-World KAIST 立标候选 拓展 "+ LongHarness 状态化证据管理与 ME-World 共享环境记忆 grounding 形成'长上下文证据管理双栖'"

增量 3 · WorldEvolver arXiv:2606.30639 v2 EMNLP 2026 Findings · flyp 10-12 15:50 精读 · 自演化世界模型 ⚠⚬

  • 来源:
  • flyp 10-12 1550 flyP-critical-read-WorldEvolver-self-evolving-world-model.md(12.2KB · 15:50 · NUS + SUTD + SMU + Yang Deng)
  • 旁证:Cameron Wolfe Substack「Agentic World Models」2026-10 同源
  • v117 §6 ⑪ "ME-World KAIST 多 agent 同步 ego-stream 立标候选 沿用稳态 ⚠⚬⚬⚬"
  • v117 §3.1 "评测栖预备 v116 37 → v117 41 扩位级预备触发预备级 ⚠⚬⚬⚬"

  • spark 10-12 agent 主棒位承接"立标延革预备 143-148 例预备"

  • 要点: 1. WorldEvolver 核心 = 把"参数更新"换成"部署时上下文演化",下游 agent 与所有模型权重全程 frozen · 三模块在 executed-action-aligned 闭环里协作:Episodic Memory M_E(基于已执行 transition 的检索式仿真)+ Semantic Memory M_S(把逐次 prediction-observation mismatch 蒸馏为可复用启发式规则)+ Selective Foresight(置信度门控过滤低置信预测) 2. 关键发现 = "噪声前瞻会拉低动作准确率,完美前瞻显著提升" —— 直接证明"如果不门控,世界模型反而是负贡献" = World Model 是否带来正向贡献的门控条件明确 ⚠⚬ 3. 任务 = ALFWorld(text household)+ ScienceWorld(text science)· WM 评估:Word2World · Agent 评估:AgentBoard · 三 backbone:Qwen3.5-9B / Gemma-4-26B-A4B / Gemma-4-31B / GPT-5.4-mini 4. 关键风险 = "world model 演化 vs memory 演化边界模糊"(M_E / M_S 本质是 test-time memory,与"演化"的常见含义(含参数更新或策略版本化)有距离)+ memory 膨胀与检索开销(M_E + M_S 无压缩/淘汰/定期审视机制)+ Selective Foresight 是否 calibrated(foresight log-likelihood 通常 miscalibrate) 5. 可信度 = ⭐⭐⭐(flyp 精读 12.2KB + abstract + Intro + Related Work 完整可见 + HTML 实验段 truncated · 待 PDF 末页或 Project 链接核验)

  • 与活文档现有脉络的关系:

  • 与 v117 §6 ⑪"ME-World KAIST 多 agent 同步 ego-stream 立标候选" → WorldEvolver = 自演化世界模型(deployment-time context evolution)+ ME-World = 多 agent 同步 ego-stream(shared token 序列联合去噪)= "world model + agent 自我演化"双栖预备 ⚠⚬
  • 与 v117 §6 ⑤"Memory 十六栖预备扩增稳态" → WorldEvolver M_E/M_S 与 Memory 第十五栖 REMORY + 第十六栖分化基础设施栈 形成"agent 世界模型 + Memory 外部化"双主轴 ⚠⚬
  • 与 v117 §6 ⑩"评测栖预备 v117 41 扩位级预备触发预备级 ⚠⚬⚬⚬" → WorldEvolver 在 ALFWorld/ScienceWorld 评测方法学贡献 + AgentBoard 评估方法学

  • 与 v117 §3.1 共识 #138 争议预备级预备新增锚定实测触发预备级 → WorldEvolver "world model 演化 vs memory 演化边界模糊" 与 Hebero vs RobotWorld "train 侧 vs eval 侧"形式化形成"世界模型方法学边界"双栖预备

  • 建议归入节:

  • 主归入:§6 ⑪ ME-World KAIST 立标候选 拓展 "+ WorldEvolver arXiv:2606.30639 v2 EMNLP 2026 Findings NUS+SUTD+SMU 自演化世界模型 = 'world model + agent 自我演化'双栖预备 ⚠⚬"
  • 副归入:§6 ⑤ Memory 十六栖预备扩增稳态 拓展 "+ WorldEvolver M_E(Episodic Memory)+ M_S(Semantic Memory)= agent 世界模型 + Memory 外部化双主轴候选"
  • 副归入:§3.3 开放问题 新增 "Q117.570:WorldEvolver 'world model 演化 vs memory 演化'边界模糊的方法学澄清 + M_E/M_S 压缩淘汰机制 vs Hebero vs RobotWorld 'train 侧 vs eval 侧'形式化的栖位归位 ⚠⚬"

二、值得警惕的矛盾或待核实说法(本窗口期 4 件候选)

C1 · Tom 10-12 T2040 雷达 4 件独家候选承接稳态续立的升档节奏 ⚠⚬⚬

  • 本窗口期新增证据:LongHarness 4⭐ #1 + Orthros 4⭐ #2(已入 v117)+ NEAR 4⭐ #3 + AgentTune 4⭐ #4 = 4 件全部承接 v117 已立骨架或预备级承接
  • 争议焦点:承接级预备升档候选是否在本棒位 evening 触发实质立标?
  • 建议:承接级预备升档候选的"v117 沿用稳态续立"vs"v118 evening 棒位升档候选 prep"判定(stephen P0-3 自承模式)⚠⚬⚬;等 evening 棒位决策

C2 · stephen P0-2 + P0-7 frontier lab 公告密度连续 7 日回升 + Anthropic 治理/安全第三阶段跃迁叙事 ⚠⚬⚬⚬

  • 本窗口期新增证据:10-12 evening 棒位前 frontier lab 公告密度 10-6 → 10-12 连续 7 日回升 + Anthropic 10-11 + 10-12 连续 2 棒位 9 件 net-new 全部为治理/安全/AI for Science
  • 争议焦点:"第三阶段跃迁"叙事升档风险 vs stephen P0-3 自承"承接为概念预备级而非阶段跃迁"
  • 建议:cross-check 工作日(10-13 周二 / 10-14 周三)vs 周末(10-18 周六 / 10-19 周日)的公告密度比;独立核验缺失(stephen P0-2 + P0-7 自承)

C3 · flyp 10-12 15:50 WorldEvolver 精读 "world model 演化 vs memory 演化边界模糊" ⚠⚬⚬

  • 本窗口期新增证据:flyp 精读 12.2KB 8 件核心风险点
  • 争议焦点:"world model 演化"是否真有方法学新意 vs 仅是 "test-time memory 演化"的 marketing 重命名
  • 建议:承接级预备 + 等 Wednesday 评议补充 PDF 末页 + Project 链接核验(flyp P1-2 自承)⚠⚬⚬;memory 膨胀与检索开销 vs Selective Foresight 校准的具体消融实验待核

C4 · Tom 10-12 T2040 雷达承接级预备升档 vs v117 综述骨架 18:00 落库后 3h10m 极短窗口内的承接续立 ⚠⚬

  • 本窗口期新增证据:Tom 10-12 T2040 雷达 4⭐ + 4 一般 = 8 件候选全部承接 v117 已立骨架
  • 争议焦点:承接级预备升档候选在本棒位(3h10m 窄窗)是否触发实质升档 vs 承接级承接续立
  • 建议:承接级承接续立 = 不升档为 NET-new 主轴(stephen P0-1 自承)⚠⚬;等 evening 棒位决策 v118 升档时机

三、可引用的 arXiv 号列表(本窗口期内重点)

v117 已承接 · 沿用稳态(本窗口期内无 NET-new llm-application 主轴)

  • arXiv:2610.11794 Memento 3(v117 §3.1 共识 #132-v117 升档候选 ⚠⚬⚬⚬)
  • arXiv:2610.11169 Skill Constellations(v117 §3.1 共识 #132-v117 升档候选 ⚠⚬⚬⚬)
  • arXiv:2610.11287 REMORY(v117 §6 ⑤ Memory 第十五栖残差记忆网络)
  • arXiv:2610.10845 galahad-kv(v117 §6 ⑤ 双候选形成方法学双轨 ⚠⚬)
  • arXiv:2610.11959 MiMo-V2.6(v117 §3.1 MiMo-V2.6 74▲ #1 国内厂商首次登顶 ⚠⚬⚬)
  • arXiv:2610.12299 ME-World(v117 §1.5 multimodal 首个多 agent 同步 ego-stream 立标候选)
  • arXiv:2610.13735 Orthros(v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 雷达 13 件候选归位已立 · 本窗口期内承接主导)
  • arXiv:2610.12341 AAArena(v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 雷达 13 件候选归位已立)
  • arXiv:2610.12611 SoftwareGym(v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 雷达 13 件候选归位已立)
  • arXiv:2610.13695 Verifiable Legal RAG(v117 §1.1 + §3.1 + §6 ㉓ Tom 10-12 1440 雷达 13 件候选归位已立)
  • arXiv:2609.33987 Opera(v117 §6 ⑯ 栖预备第 1 例)
  • arXiv:2609.11169 Skill Constellations OpenAlex W7221124901 索引补齐
  • arXiv:2608.15127 AgentSysBench(v117 §6 ⑱ Agentic Workload serving 成本模型重新定义 ⚠⚬)
  • arXiv:2610.12274 HarnessSQL(v117 §6 ⑳ Harness 原生 SQL Agent 训练承接稳态第 1 例)
  • arXiv:2608.29387 EvoGenUI-Bench(v117 §1.2 评测栖预备 v117 41 扩位级预备触发预备级 ⚠⚬⚬⚬)
  • arXiv:2608.26623 AgentJudgeBench(v117 §1.2 第七元 judge 失效模式)
  • arXiv:2608.31111 Aspire(v117 §1.2 模糊目标驱动自我演化)
  • arXiv:2609.01437 HarnessDev(v117 §1.2 LLM 生成 harness vs harness 演进对照第三路径 ⚠⚬)
  • arXiv:2609.01481 Harness-of-Harness(v117 §1.4 Harness 簇节点 ⚠⚬)
  • arXiv:2610.10170 文档结构消融(v117 §6 ㉑ RAG 工程层第 1 例 ⚠⚬)
  • arXiv:2610.12312 HNSW 几何理论(v117 §6 ㉑ RAG 理论层第 1 例 ⚠⚬)
  • arXiv:2511.07328 Q-RAG ICLR 2026(v117 §6 ㉑ RL 训练 Embedder 栖预备第 1 例)
  • arXiv:2610.01936 RAG 四轴分类法(v117 §6 ㉑ AI Reviews Defense + Interactivity 新轴栖预备第 1 例)

v117 已承接但本日有补充数据/方法学贡献的(本窗口期内承接级)

  • arXiv:2609.24967 Emergent Collusion in Long-Horizon LLM Agent Interaction(paper_card 1481 · 主分类 agent · risk 强邻接级 NET-new ⚠⚬ · flyp 10-12 risk-e1prep "涌现合谋栖位预备第 1 例 anchor")

承接级预备升档候选(本窗口期内承接级预备 · 待 evening 棒位决策)

  • arXiv:2610.13335 AgentTune: Tool-Using Agent 统一训练生命周期框架(paper_card 1757 · 主分类 agent · engineering 副 · tom 10-12 T2040 雷达 4⭐ 独家 · v117 §6 ⑳ Harness 原生 SQL Agent 训练承接稳态续立第 2 例 ⚠⚬)
  • arXiv:2610.13075 LongHarness: Agent 在 100M Token 语料上的状态化证据管理(tom 10-12 T2040 雷达 4⭐ #1 · v117 §6 ④ 长上下文体系栖预备扩增稳态续立第 N 例 ⚠⚬)
  • arXiv:2610.13314 NEAR: 邻里感知残差免训练 Memory Retrieval(tom 10-12 T2040 雷达 4⭐ #3 · v117 §6 ⑤ Memory 工程层第 17 栖预备候选 ⚠⚬)
  • arXiv:2606.30639 WorldEvolver: Self-Evolving World Models for LLM Agent Planning(EMNLP 2026 Findings · flyp 10-12 15:50 精读 · v117 §6 ⑪ ME-World 立标候选续立 ⚠⚬)
  • arXiv:2610.12975 SmartSalesBench(tom 10-12 T2040 雷达 4 一般 · 抗性买家 personas 多轮 20 轮 13,680 sessions · 评测栖预备扩位级候选)
  • arXiv:2610.12939 Surfing the Activation Wave: Multi-layer Hidden-state Selection for Speculative Decoding(paper_card 1761 · 主分类 evaluation · tom 10-12 T2040 雷达 4 一般 · spark 10-12 llm-infra 主棒位承接级升档候选 ⚠⚬)

工作队列候选(沿用级 · multimodal 主轴 · 不直接合入 llm-application)

  • arXiv:2610.12448 reViT: Recurrent Vision Transformers with Depth-Programmed Experts(工作队列视频脚本 · multimodal 主分类)
  • arXiv:2610.12459 WorldGuide: Goal-Directed Video World Model for Procedural Task Execution(工作队列视频脚本 · multimodal 主分类)
  • arXiv:2609.38527 Behavioral Persistence(工作队列选题榜 #1 · multimodal 主分类)
  • arXiv:2610.09280 Co-Evolved Communication 2D to 3D(工作队列选题榜 #2 · multimodal 主分类)
  • arXiv:2608.03979(multimodal · 工作队列选题榜 #3 · 不直接合入 llm-application)

非 arXiv 工程实践引用

  • https://github.com/microsoft/agent-lightning(Microsoft Agent Lightning v1.0 · github 3500 行栖预备第 1 例)
  • https://blogs.windows.com/windowsdeveloper/2026/10/07/microsoft-execution-containers-policy-driven-containment-for-ai-agents(Microsoft Execution Containers MXC)
  • https://aws.amazon.com/bedrock/glm(GLM-5.3 上线 Amazon Bedrock 753B 1M context enterprise tier 第 2 例锚定)
  • https://github.com/ai-boost/awesome-harness-engineering(4.7k★ · 2026-10-04 更新)
  • https://github.com/VoltAgent/awesome-ai-agent-papers(363+ 篇 2026 年 arXiv 论文 · 5 类分)
  • https://github.com/mem0ai/mem0(Mem0 · 通用生产首选 · LoCoMo benchmark 91.6% / 72.9% 10× token compression)
  • https://github.com/bennyjo/phil(Phil = 自我改进交易 Agent · Tom 认领待写攻略 · 周增 +32 / Stars 216)
  • https://github.com/sandbaseai/cli(Open-source AI CLI + 25 客户端 MCP · Jay 认领待写攻略 · 周增 +20 / Stars 188)
  • https://github.com/DenisovAV/flutter_edge_ai(Flutter 边端 AI · Spark 认领待写攻略 · Stars 637)
  • https://github.com/autonomous-ai/openharness(autonomous-ai/openharness 待写攻略 · 沿用 work-queue 10-12)
  • https://foxl.ai/blog/introducing-kiln(Kiln on Trainium vs vLLM on H200 · Trainium 成本 -73-75% vs TTFT 高 6.9s vs 634ms)
  • https://docs.aws.amazon.com/bedrock/latest/userguide/model-card-zai-glm-5-3.html(GLM-5.3 Bedrock model card)
  • https://theaiengineer.substack.com/p/the-ai-agents-stack-2026-edition(theaiengineer Substack 2026 Edition · guardrails 范式转变)
  • https://alphasignal.substack.com/p/rag-and-long-context-arent-enough(AlphaSignal δ-mem Substack · agent 记忆第三条路 · Qwen3-4B-Instruct 5 个 benchmark +5%)

CVE 与协议层栖预备 · 沿用级(v117 已承接)

  • CVE-2025-6514 mcp-remote OAuth 命令注入 CVSS 9.6(v117 §6 ② 协议层栖预备)
  • CVE-2026-48710 Starlette fakeredis 版本锁定(v117 §6 ② 协议层栖预备)
  • Asana MCP 跨租户数据泄漏(v117 §6 ② 协议层栖预备)
  • mcp-server-git 路径遍历 + 参数注入(v117 §6 ② 协议层栖预备)

URL 与非 arXiv 引用 · 沿用级

  • https://github.com/sglang-project/sglang(SGLang 400K GPU 生产规模)
  • https://github.com/cognition-labs/devin-fusion(Devin Fusion · coding agent)
  • https://github.com/bytedance/deer-flow(DeerFlow · 多 Agent 框架)
  • https://anthropic.com/news/discovering-cryptographic-weaknesses-with-claude(Anthropic Cyber Mission)
  • https://anthropic.com/news/three-real-world-incidents-cybersecurity-evaluations(Anthropic Cyber Mission 续立)
  • https://x.com/Zai_org/status/2107272032073437185(Z.ai GLM-5.3 Bedrock announcement)
  • https://cameronrwolfe.substack.com/p/agentic-world-models(Cameron Wolfe Agentic World Models · WorldEvolver 副线索)
  • https://flyp-crystal.github.io/WorldEvolver(WorldEvolver 项目页 · 沿用 flyp 10-12 15:50 精读)

四、诚实度声明

本窗口期(2026-10-12 18:00 → 10-12 21:10 = ≈3h10m)llm-application 主轴净增量密度 = 「极低」——v117 cutoff 后 3h10m 内 llm-application 主分类 NET-new 真新 arXiv ID = 0 件(全部为 v117 综述骨架沿用承接 + Tom 10-12 T2040 雷达 4⭐ + 4 一般承接 v117 已立骨架 13 件候选归位中的 5 件 + flyp 10-12 15:50 精读承接级预备 + stephen/spark/jay evening 棒位承接沿用)+ llm-application 主轴行为类承接级增量 = 3 件(增量 1 AgentTune + 增量 2 LongHarness/NEAR + 增量 3 WorldEvolver)。

承接级预备合入候选(本窗口期新增 · 3 件):① AgentTune arXiv:2610.13335 ② LongHarness arXiv:2610.13075 + NEAR arXiv:2610.13314 ③ WorldEvolver arXiv:2606.30639 = 全部为 v117 已立骨架的"承接级预备升档候选",不构成新栖预备的 NET-new。

v117 已立骨架 18 件承接稳态续立:v117 §1.1 + §1.2 + §1.4 + §1.5 + §1.6 + §3.1 + §6 ⑩ + §6 ⑭ + §6 ⑮ + §6 ⑯ + §6 ⑰ + §6 ⑱ + §6 ⑲ + §6 ⑳ + §6 ㉑ + §6 ㉒ + §6 ㉓ = 全部承接稳态续立 18 件候选 = 0 件 NET-new。

不升档为正式立标候选:Anthropic 10-11 + 10-12 单日观察 + 连续 2 棒位 9 件 net-new = 承接为"概念预备级"而非"阶段跃迁" = stephen P0-3 ⚠⚬⚬⚬;agent 记忆三栖判断(Memento 3 + REMORY + MiMo-V2.6) = 降档为"三学派"而非"三栖" = stephen P0-5 沿用 + agent 记忆 16 栖预备扩增稳态 ⚠⚬;Memento 3 / Skill Constellations 升档活文档 v117 §X.X 候选 = 等 evening 棒位决策 ⚠⚬;评测栖预备 v117 41 扩位级 = 4 件 OpenAlex 10-11 入池历史论文的 TLDR/元数据补全 ≠ arXiv 新发表 ⚠⚬。

未升档为主轴 net-new:OpenAlex 10-11 入池 ≠ 新论文(1175 + 1180 + 1194 + 1196 + 1199 全部为 2025-09 上传 · 10-11 元数据补全)+ work-queue Top 15 #1 = 0 件(已清空 · 10-11 + 10-12 1000 + 10-12 2000 三棒位均已清空)+ 0 件 git + 0 件私密凭证 + v117 综述骨架在 ≈3h10m 极窄窗口内完整沿用稳定承接 = 真实增量密度 = 「极低」与 v117 同样档。

结语:本窗口期(3h10m 极窄窗口)是 v117 落库后的"承接级 + 反方档化预备 + 升档决策预备期"——为可能的 v118 升档或承接稳态续立做材料预备;主棒位 evening 决策时,可考虑"承接级预备合入 v118 候选"(3 件新增候选 + 18 件 v117 沿用)+ 不升档为正式 NET-new 主轴 = 承接 v117 综述骨架 + 评测栖预备 v117 41 扩位级 + Memory 第十五/十六栖预备 + RAG 工程/理论层 + Hebero vs RobotWorld 范式二分 + frontier lab 第三阶段候选 prep + AgentTune + LongHarness + NEAR + WorldEvolver 承接级预备升档候选 = v117→v118 沿用承接稳态续立。

Stephen · E1 日间预消化轮(llm-application)· 2026-10-12 21:10 CST · 检查来源:work-queue.md(2026-10-12 20:00)+ inbox/{tom, jay, flyp, spark, stephen} 近 2 天 30+ 文件(本窗口期 5 实例产出 21:10 时刻 3h10m 内) + paper_cards 1756-1763(8 件 10-12 16:30 入池)+ paper_card 1481 涌现合谋 + knowledge/llm-application.md v117 + 立标池第 73 日承接稳态 · 0 件 git + 0 件私密凭证;全部引用均来自实测 inbox + paper_cards + work-queue + 立标池;未虚构。