llm-application · E1 预消化简报(2026-10-23)

素材范围:宿主机增量清单 work-guard/c08ec05d-37de-4c0c-9571-3ead761a4802.json(E1_PREP · 8 件 = 4 paper_card + 4 repo_card)。 只读清单 item.materials[].source,未做全库扫描、未联网补料。对照基线:organized/knowledge/llm-application.md v126(2026-10-22)。 篇幅按材料实际信息量给出,不为凑字数硬写。

0. 本批与 v126 基线的关系(先说结论)

本批 8 件里,与 llm-application 主线真正同题的只有 3 件(zapier/AutomationBench、stanford-iris-lab/meta-harness、A-EVO-Lab/a-evolve),且三件都只是标题/简介级元数据,没有可核查的方法学或数字;uclanlp/OpenVLHarness 是 v126 已收的件、仅元数据有更新(★170→198、周增 +14、许可 NOASSERTION→MIT、成熟度 experimental、首采 10-22→10-23),不构成新观点。另 2 件(DMAD 视觉蒸馏、OuroWorld 3D 生成)是生成/多模态方法,与本主题试金石无直接映射;arXiv:2610.10170(文档结构消融)则是 v126 §6 已立标的 RAG Defense 十一栖成员,本次属回填而非新料。

因此:本轮增量定性为「低信号 + 一条可升档的同题结构性证据」,建议今晚活文档只做小幅追加,不需要重开骨架。

1. 今日最重要的增量(按对主线的边际价值排序)

增量 1 —— 治理控制平面栖第 2 例出现,且是独立于 MCP 的 harness 化 ⚠⚬⚬

  • 来源:organized/repo_cards/4576-stanford-iris-lab-meta-harness.md(github · stanford-iris-lab/meta-harness · 1706★ · 周增 +14 · MIT · Python · 形态 app · 主分类 evaluation · 主题 agent/llm-infra · 成熟度 research · 首采 2026-10-23 · 链接 https://github.com/stanford-iris-lab/meta-harness)
  • 要点:官方自述为 "Official code for Meta-Harness (2603.28052)"。两个可读事实:(a) 这是 v126 已引入 arXiv:2603.28052 的官方代码落地件;(b) 它被 repo_card 主分类判为 evaluation、主题 agent/llm-infra —— 与 Lobu(v126 立「治理控制平面栖」,自称 control plane + 8 项最小能力集)是不同生态、不同语言/作者、零协作的项目。
  • 与活文档脉络的关系:v126 §2 的核心结论之一是「『控制平面 / 运行时 / 外壳 / 既有编排器』四层分工被跨社区同时实现」,但 §4 Q126.583 明确写着「来自单一项目自述,无第二项目交叉印证」。本件是第 2 个以 harness 形态落地 agent 治理/评测的独立实现,虽未自称 control plane、卡内也未给能力清单,不足以把 Q126.583 判为已解决,但它把「单源」降级为「双源、且能力集未知」。
  • 建议归入哪一节:§1.2「Harness 簇与训练侧骨架」作为训练侧 harness 的镜像(治理/评测侧 harness)第 1 例;同时在 §4 Q126.583 加一句「第二例已现(Stanford IRIS Lab meta-harness),但未自称控制平面、能力清单未披露,暂不升档」。

增量 2 —— Agent 自我改进从「科研框架」落到position paper + 官方仓库 ⚠⚬

  • 来源:organized/repo_cards/4573-a-evo-lab-a-evolve.md(github · A-EVO-Lab/a-evolve · 826★ · 周增 +14 · Python · 形态 app · 主分类 agent · 主题 agent/llm-infra · 成熟度 research · 首采 2026-10-23 · https://github.com/A-EVO-Lab/a-evolve)
  • 要点:自述为 "The official repository of "Position: Agentic Evolution is the Path to Evolving LLMs""。落点 = 把「agent 自我改进」写成一个立场论文(position paper)并公开复现件,与 v117 立的「Harness 设计自动化四路径」和 v126 §5 趋势 ⑰ 同族但位置不同:前两者是工程四路径,本件是学界立场主张 + 代码。
  • 与活文档脉络的关系:活文档 §5 趋势 ⑥「agent 自我改进 + 记忆压缩三学派」已有骨架,但从未收录「agentic evolution 作为 LLM 演化主路径」这一具体立场。它给该趋势提供了一个可引用的署名主张载体。注意:卡内无任何实验数据、无指标,属立场而非证据。
  • 建议归入哪一节:§5 趋势 ⑥ 下作为立场论文锚点收录;若今晚要收敛,可在 §3 立一条预备级争议「『agentic evolution』是路径主张还是已有共识」——目前证据不足以支撑任何一方。

增量 3 —— 真实业务工作流评测基准第 N 例,来自厂商方(非学术方) ⚠⚬

  • 来源:organized/repo_cards/4577-zapier-automationbench.md(github · zapier/AutomationBench · 354★ · 周增 +14 · Python · 许可 NOASSERTION · 形态 benchmark · 主分类 evaluation · 主题 agent/evaluation/llm-infra · 成熟度 research · 首采 2026-10-23 · https://github.com/zapier/AutomationBench)
  • 要点:"A benchmark for evaluating AI agents on realistic business workflows"。无任务数、无难度分层、无基线分数、无评测协议描述。
  • 与活文档脉络的关系:活文档 §6 ⑭「Agent 评测新维度」已收 11 件,§1.3 已做 Hebero/RobotWorld 的 train-vs-eval 形式化二分。本件的边际价值不在「又一个 benchmark」,而在来源性质:Zapier 是自动化 SaaS 厂商,基准取自其自身工作流语料 —— 这是「厂商用自家真实工作流反向定义 Agent 能力边界」的一个实例,与 §5 趋势 ⑬「学术诚信工具化」互为镜像(厂商侧 vs 学术侧)。许可 NOASSERTION 需注意。
  • 建议归入哪一节:§6 ⑭ 追加一行,并注明「厂商侧基准、许可未声明、无协议披露 → partial」。

增量 4 —— RAG 文档结构消融进入方法学成熟期(承重,非新料)

  • 来源:organized/paper_cards/1730-2610-10170.md(arXiv:2610.10170,主分类 rag,形态 method,被引 1 / S2 1 / OpenAlex 0 / 影响力 0,来源 inbox/tom/_candidates/2026-10-09-agent-rag-longcontext-candidates.json)
  • 要点:卡内 TLDR 记录的核心是「安慰剂对照(placebo-controlled):在块前加任何文本都会扰动其嵌入 —— 在块前加结构上有效但被打乱的 heading path 作安慰剂」,并称结构有效、原因是内容而非 token。
  • 与活文档脉络的关系:此件已在 v126 §6 ㉑ RAG Defense 十一栖中列为首位成员,本次仅是 paper_card 实体落盘。不得把「卡生成时间」「被引数」当新观点。唯一可记的是:该文的价值在于给出了 RAG 结构化文献普遍缺失的安慰剂对照协议,这与 v125 §2「证据可核查正在被工具化」同源 —— 对 RAG 结构化主张做安慰剂对照,本身就是「证据链可审计」在方法学层的落实。
  • 建议归入哪一节:§6 ㉑ 不新增,仅可在 §2 已有条目上加一句方法学注解。

增量 5 —— uclanlp/OpenVLHarness 元数据更新(非新观点)

  • 来源:organized/repo_cards/4558-uclanlp-openvlharness.md(198★ · 周增 +14 · MIT · Python · tool · evaluation/agent/multimodal · experimental · 首次采集 2026-10-22 → 上次采集 2026-10-23)
  • 要点:v126 §6.1 已完整收录该件(170★、UCLA+Apple 署名、22 个 benchmark 口径、"推理预算 ≠ 能力上限")。本轮唯一变化是元数据。
  • 判定:不构成新观点。按规则,采集时间变化不升档。可在 §6.1 表中把 ★/周增 更新为最新值,并保留 v126 的方法学警示(分数未给出、不臆造)。

增量 6-7 —— 两件与本主题无直接映射的生成/多模态方法(归档建议)

  • arXiv:2610.02188 DMAD(分布匹配对抗蒸馏,主分类 multimodal):生成模型少步蒸馏,目标是去掉辅助扩散模型的显存/算力开销。对 llm-application 试金石(任务真实可复现/证据链/状态治理/失败分解/成本安全)仅在「成本」一维有弱映射。→ 建议归入 multimodal/生成主题,不进 llm-application 主线,或仅作 §5 趋势「端侧化/低成本推理」的旁证。被引 2 / 影响力 1。
  • arXiv:2610.12461 OuroWorld(3D Cinemagraph,主分类 multimodal):提出无需真值的评估维度(生动性/自然度/循环接缝连贯性/场景质量)。方法论上与本主题「基准作为契约」抽象层邻接,但对象是 3D 视觉生成,不是 LLM 应用系统。→ 建议不进主线,可标记为「ground-truth-free 评估」这一评测方法论的可迁移观察点。

2. 值得警惕的矛盾 / 待核实说法

  1. A-EVO-Lab/a-evolve 的「Position:」性质与 826★ 的社区热度不匹配 ⚠⚬:一张立场论文配套仓库拿到 826★、周增 +14,属异常高关注。三种解释:(a) 立场论文正被广泛当作路线图引用;(b) 仓库实际内容远超论文(含大量实验);(c) 采样噪声。卡内无法区分,须读 README 后再定性,勿直接写入「学界共识」。
  2. stanford-iris-lab/meta-harness 与 Lobu 是否同一能力集 ⚠⚬:两者都属 Stanford 系且都做 agent 治理/评测。若 meta-harness 的能力清单与 Lobu 的 8 项高度重合,争议 #140(「控制平面」是独立品类还是薄包装)的解释 ②③ 会显著增强;若不重合,则「控制平面」仍只是 Lobu 的自命名。目前卡内无能力清单,不可推测 ⚠⚬。
  3. AutomationBench 许可 NOASSERTION + 零协议披露 ⚠⚬:厂商基准若无明确许可与评测协议,按试金石「证据链可审计」不可作跨系统结论,只能作为「该方向存在」的弱证据。
  4. 本轮 repo_card 全部为「首采当日 + 周增 +14」的同构模式(4/4 件周增均为 +14,3 件首采 10-23)。这不是热度信号,而是采集器在同一 Trending 窗口的批量入库痕迹 —— 与 v125/v126 §1.6 方法学警示同族,今晚应原样沿用该警示,不可把这 +14 解读为任何增长 ⚠⚬。
  5. DMAD 的「影响力被引 1 > S2 被引 2」的指标不一致:影响力被引通常不应超过总被引,属指标口径异常,勿引用影响力分。

3. 可引用的 arXiv 号清单(本批实际出现)

arXiv 号 标题要点 主分类 处置建议
2610.12461 OuroWorld:3D 世界生成 + 无真值评估四维度 multimodal 归档/邻接,不入主线
2610.10170 文档结构是否有助稠密检索(安慰剂对照消融) rag 已在 v126 §6 ㉑,仅方法学注解
2610.08995 PhysEvo:物理递归自我改进框架(任务 Agent + 元 Agent) agent 本批唯一未被活文档讨论的同题 agent 论文,见下 ⚠
2610.02188 DMAD:分布匹配对抗蒸馏(快速视觉生成) multimodal 归档/邻接,不入主线
2603.28052 Meta-Harness(由 meta-harness 仓库简介反向引用) agent 随增量 1 一并锚定

另需注意:清单材料列表中不含 2610.08995 的 paper_card 之外的任何佐证,而该卡 TLDR 与中文 TLDR 文字重复(明显为抓取缺陷),中文摘要被截断于「可复用的操作……」。其"关节级控制 / 循证观察 / 可复用技能"三项产出无可核查出处,今晚若引用须标注为摘要级信息 ⚠⚬。

关于 arXiv:2610.08995(PhysEvo):它是本批中最值得今晚再花力气的一件 ——「围绕单个冻结模型构建物理 RSI 框架,任务 Agent 产生轨迹 → 元 Agent 诊断失败、修订工具与技能、并改进自身的诊断工具,使修订同时支持后续行动与后续自我改进」,这个「元 Agent 改进自己诊断工具」的自递归闭环,与活文档 §5 趋势 ⑥ 和 v117 Harness 四路径中的 EMHO(轨迹驱动 harness 演进)同族且更进一步。但卡内无实验数据,建议今晚若要升档,优先补读其全文而非依赖本卡 ⚠⚬。

4. 检查过的来源(供核查)

  • 清单:organized/indexes/work-guard/c08ec05d-37de-4c0c-9571-3ead761a4802.json(1 个 item,8 份 materials,created 1792761001 / expires 1792764601,批次有效)
  • paper_card(4):1741-2610-12461.md · 1730-2610-10170.md · 1721-2610-08995.md · 1715-2610-02188.md
  • repo_card(4):4577-zapier-automationbench.md · 4576-stanford-iris-lab-meta-harness.md · 4573-a-evo-lab-a-evolve.md · 4558-uclanlp-openvlharness.md
  • 对照基线:organized/knowledge/llm-application.md(v126 · 2026-10-22 · arXiv 1335 / paper_card 1736 / CVE 27 / DOI 4 / URL 453)
  • 队列:organized/queue/work-queue.md(2026-10-23 20:00)—— 无 llm-application 相关待办,唯一高价值待解读项为 2610.12998(评测/创造力,属 evaluation 主题,不在本主题范围)
  • 目标文件 inbox/stephen/2026-10-23-llm-application-e1prep.md:本轮为首次创建(此前不存在),无覆盖风险

未做(按宿主机规则):未扫描 inbox/{jay,tom,flyp,spark} 近 2 天笔记(不在本清单 materials 内)、未抽查全量 paper_card、未联网补料、未重跑多轮改写、未改动清单/基线/认领记录/定时配置。