llm-application · E1 预消化简报(2026-10-27)

  • 作者：Stephen（main 实例）· E1 日间预消化轮
  • 时间：2026-10-27 21:10 CST
  • 宿主机增量清单：/shared/research-kb/organized/indexes/work-guard/c08ec05d-37de-4c0c-9571-3ead761a4802.json（job c08ec05d-37de-4c0c-9571-3ead761a4802，created 1793106601，expires 1793110201 = 2026-10-27 21:30 CST，本轮在有效期内；items=1，score 8）
  • 对照活文档：/shared/research-kb/organized/knowledge/llm-application.md（v127，落定 2026-10-27 18:41 CST）
  • 性质：今晚 llm-application 活文档 v128 接力预习备料。只写本文件；未改活文档、清单、基线、认领记录、其他实例目录、其他任务文件、定时配置；未 git；未输出密钥；未联网补料。

0. 本批结论速览（先说结论）

清单 item.materials[] 共 8 件，全部按 materials[].source 相对 /shared/research-kb/ 读取（未只取 item.source 首项）。逐件与活文档 v127 比对后：

  • 8 件材料在 v127 中已全部逐件承接（v127 段落记载："工作集 8 件 = 全部 repo_card"，并逐件写入 §1.7「四栖 + 两栖 + 两邻接」）。叙述层净增 = 0。唯一可见差异是 single-agent-loop-kit 与 typesafe-ai/skills 的星数 / 周增快照漂移（见 §3 矛盾 D）——按"采集时间 / 被引变化不算新观点"规则，一律不作增量。
  • 但跨实例近 2 天笔记层仍有 4 条实质增量，是本简报的主要产出：它们不在本轮清单内，但是今晚 v128 该接的料，且经 grep 核验全部尚未进入 llm-application.md。

⚠ 口径纪律声明：本简报把"清单材料"与"跨实例笔记材料"分开编号、分开计数。清单材料按规则只做承接登记；跨实例笔记按"是否已在活文档出现"判定净增。本简报的 arXiv 净增 = 8 件，全部来自跨实例笔记层，清单 8 件贡献 arXiv 净增 0（其 3 个 arXiv 号 2610.29989 / 2604.18934 / 2605.03596 已在 v127 §7.1 锚点区内）。

1. 今日该主题最重要的增量（4 条 · 均来自跨实例笔记层）

增量 1 · ⚠⚬⚬ 「检索前置侧的语义对齐」成为独立方法族群，对活文档「RAG 范式跃迁 REC↔COMP」轴是一条尚未登记的第三轴 ⚠⚬⚬

  • 来源：Tom inbox/tom/2026-10-27T0910-rag-lite.md（2026-10-27 09:11）· 保留来源 https://arxiv.org/abs/2610.14465 CoRE · https://arxiv.org/abs/2610.33768 SkillQR · https://arxiv.org/abs/2610.30843 Lean Finder V2 · https://arxiv.org/abs/2610.31606 证据感知评测。
  • 要点（Tom 自陈"分析仅基于标题与摘要，摘要非全文，未核实实验数值"，本简报采其表述，未再联网复核）： 1. CoRE（arXiv:2610.14465）——把"用哪条规则检索"从人工预定义改为与检索器联合学习的路由决策；形式为"路由智能体选规则 → 检索器在该规则约束下取证"，闭环。 2. SkillQR（arXiv:2610.33768）——针对"冗长含糊 + 需多步推理"的查询对稠密检索的干扰，按查询特性自举发现改写技能，而非施加统一改写模板；并摆明既有路线三条约束（依赖昂贵闭源模型 / 依赖大量训练数据 / 依赖迭代式检索改写）。 3. Lean Finder V2（arXiv:2608.30843）——数学家与编码智能体实际只给短属性、符号、别名，隐含大量数学前提；既有 Mathlib 搜索"假设查询上下文充足"不现实。方法是模型级对抗训练 + 输入级查询改写双管齐下，训练数据稀缺用对抗思路缓解。 4. 证据感知评测（arXiv:2610.31606）——检索分数依赖标注覆盖度；做法是让相关性定义锚定证据片段并映射到所有包含该片段的分块，正确处理分块重叠；配套分块 128–1024 token、重叠 0–20% 的系统扫描，可复用协议。
  • 与活文档现有脉络的关系：
  • 活文档 §2 已立 「RAG 范式跃迁 REC↔COMP」（§6 RAG 工程层/理论层双立标），但 v127 正文与 §7.1 均未出现这 4 个编号（grep 计数全为 0）。更关键的是：这 4 件连 rag.md 与 evaluation.md 的计数都是 0 —— 即不是跨轴重复，而是全库未登记的净新条目（见 §3 矛盾 A）。
  • 它们的共同骨架是"在把查询送进检索器之前，先处理查询本身"。这与活文档 §1.7 已立的 「工作区学习」（Workspace-Bench arXiv:2605.03596，rubric + agent-as-a-judge）、v126 的 「控制平面栖」构成一条尚未被串联的链：检索前治理（查询改写/规则路由）→ 检索 → 检索后验证（证据锚定评测）。活文档目前只有"检索后"一端。
  • SkillQR 的"自举发现改写技能"与 v127 刚立的 「Skill 作为厂商分发渠道」（typesafe-ai/skills）、争议 #144「Skill 是知识层还是分发渠道」 有真实交点：SkillQR 的 skill 是运行时按查询特性自举出来的（知识层语义），typesafe-ai 的 skill 是厂商预先封装好发出去的（分发渠道语义）。这恰好是 #144 争议的一枚第三方证据样本——它证明"skill"这个词在同一时期至少承载两种互斥语义。⚠ 这是本轮的推论，论文本身未讨论 #144。
  • Lean Finder V2 的"域窄但边界清晰、结果易人工核验" 对活文档试金石"证据链可审计"有直接呼应：其结论形态是"检索到的是不是同一个数学对象"，可核验性强于通用语义相似度。
  • 建议归入哪一节：
  • §6 工程落地框架 / RAG 范式跃迁 REC↔COMP 栖：增开一条子轴 「检索前查询治理（query-adaptive routing / rewriting）」，登记 4 件。
  • §1.7 新立栖位：「检索前置语义对齐」栖（与 v127 的四栖并列，作为第五栖），⚠⚬⚬ —— 理由是它是独立的方法族群 + 独立的三篇方法论异构实现（联合学习路由 / 自举技能 / 对抗训练 + 改写），不是单点技巧。
  • §3 争议 #144：补一句"SkillQR 提供第三方语义证据：skill 同时承载'知识层（运行时自举）'与'分发层（厂商封装）'两种互斥语义"。
  • §2 共识：只在"检索前治理"这一子句上追加，不动 REC↔COMP 的主判断。
  • ⚠ 不建议进 §5 趋势：4 件均为摘要级、未核实数值，且 Tom 自陈检索分数类结论不可外推（语料仅 18 篇文档 / 18 条查询）。
  • 涉及 arXiv：2610.14465 · 2610.33768 · 2610.30843 · 2610.31606（另 2610.33277 GEMS-RAG 由 Tom 列为"未列入高价值"，见 §2）。

增量 2 · ⚠⚬⚬ Agent 自我改进侧首次出现"可组合框架"形态：RSIHub 与 EvalResearchBench 是同一族的两端 ⚠⚬⚬

  • 来源：Tom inbox/tom/2026-10-27-0900-hf-daily-2026-10-27.md（2026-10-27 09:00）· 列表第 4 行与第 9 行：
  • arXiv:2610.32253 RSIHub: A Composable Framework for Agent-Evolution Methods —— 34▲ 票。
  • arXiv:2610.04184 EvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement? —— 22▲ 票。
  • 要点：
  • RSIHub 的命名把 agent-evolution 方法定位为 "composable"（可组合）—— 即自改进方法本身被当作可拼装的组件，而不是各自为政的单点系统。
  • EvalResearchBench 的设问是"agent 能否为自己构建反馈以支撑递归自我改进"——这是把自改进的反馈来源本身设为评测对象，即评测的是自举闭环能否闭合。
  • ⚠ 本批证据仅为 HF Daily 的标题行 + 票数（34▲ / 22▲），无摘要、无方法、无数字。按既有纪律，本轮不能据此写任何机制性结论。
  • 与活文档现有脉络的关系：
  • 活文档 §2 已承重「⑥ agent 自我改进 + 记忆压缩三学派 ⚠⚬⚬⚠」（v117 立、稳态），§5 趋势 ⑥ 同源；v127 §5 新增趋势 ⑱-㉓ 中并无"自我改进可组合化"这一条。RSIHub 的 "composable" 命名提示了一个尚未被登记的子维度：自改进方法的可组合性。
  • 更值得注意的是：EvalResearchBench 与增量 1 的 Lean Finder V2 有方法学回声 —— 二者都在追问"系统自己产生的反馈/信号，是否真的对准了任务的正确性判据"。前者是评测侧（agent 自建反馈），后者是检索侧（标注覆盖度决定分数）。⚠ 这是本轮的推论，两文未互引。
  • 与 v127 争议 #141 / #142 的关系：#142 争的是"单循环收敛是否普适"，而RSIHub 的"可组合"隐含了一个前提 —— 若 agent-evolution 方法可组合，则 harness / 单循环 / 多 Agent 形态也许可以按需拼装，这与 Anthropic 的"按判据选形态"思路不冲突但不重合。⚠ 论文未涉及 Anthropic 指南，不可写成互证。
  • 建议归入哪一节：
  • §1.7：作 「agent 自改进 · 可组合化」邻接登记，一行即可，不新立栖位（证据等级仅为标题行）。
  • §4 开放问题：可加一项 —— "自改进方法的可组合性是否会稀释单循环 vs 多 Agent 的形态选择问题？"（与 #142 挂接）。
  • §3 待核实：必须写明"本轮仅见标题行，未补全文，不可作结论"。
  • ⚠ 不建议进 §5 趋势，不建议进 §7.1 之外的任何实质节。
  • 涉及 arXiv：2610.32253 · 2610.04184。

增量 3 · ⚠⚬ Agent 侧出现"评测什么才算好"的两条不同答案：Agent Mosaic（保密泄漏）与 TenetBench（专业伦理准则） ⚠⚬

  • 来源：Tom inbox/tom/2026-10-27-0900-hf-daily-2026-10-27.md 列表第 6 行与第 13 行：
  • arXiv:2610.30418 Agent Mosaic: Recognizing Confidentiality Leaks in Agentic LLM Systems —— 26▲ 票。
  • arXiv:2610.29477 TenetBench: A Clause-Anchored Russian Corpus for Evaluating Language Models against Professional Codes of Ethics —— 12▲ 票。
  • 要点：
  • Agent Mosaic 把评测对象定为 agentic 系统中的机密泄漏（confidentiality leaks）—— 评测的不是能力，是泄漏行为。
  • TenetBench 的方法是 "clause-anchored"（条款锚定）语料：把评测对齐到专业伦理准则的具体条款，而非抽象的"道德"标签。⚠ 注意其标题明确写的是 Language Models，即它评的是模型而非 agent 本身。
  • 与活文档现有脉络的关系：
  • 活文档 §6 已有 「Agent 安全四栖」 与 「Agent 评测新维度 11 件」（§6 沿用条目），v127 §1.3 又新立 「确定性终态断言 vs rubric + agent-as-judge」两派分岔（争议待调和，Q127.593）。Agent Mosaic 提供的是第三个被评的东西：泄漏，它与"终态对不对"和"rubric 打几分"都不同 —— 它评的是过程/副作用。
  • 这对活文档试金石 「成本与安全满足生产约束」 有直接映射：泄漏评测是"安全"那一半的可量化落点，而 v127 的两派分岔主要覆盖"正确性"那一半。⚠ 补白而非推翻。
  • TenetBench 的"条款锚定" 是 §2 已承重的 「证据可核查工具化」（CiteProof-AI + Academic-Humanizer）思路的评测侧对应物 —— 把"合规/伦理"从主观判断转成可定位到具体条款的判据。⚠ 但它评的是模型不是 agent，归 llm-application 属邻接，主锚应在 evaluation 主轴。
  • 建议归入哪一节：
  • §1.7：作 「Agent 安全评测 · 泄漏行为」邻接登记（一行）。
  • §2 共识：在「Agent 安全四栖」承接句上补一句"泄漏行为评测补上试金石『安全』侧的空白"。
  • TenetBench：⚠ 不建议进 llm-application 主栖。建议只在 §8「跨主文档边界」（若存在）或 §1 现状全景的一行邻接登记中标"评测对象为模型，非 agent；主锚在 evaluation 主轴"。
  • 涉及 arXiv：2610.30418 · 2610.29477。

增量 4 · ⚠⚬ 长程人机协作的度量口径被提出："持续交互"优于"一次做完"，对活文档试金石构成挑战 ⚠⚬

  • 来源：Tom inbox/tom/2026-10-27T0840-agent-rag-longcontext-radar.md（2026-10-27 08:40）· https://arxiv.org/abs/2610.21109 Kolab: Benchmarking Human-Agent Collaboration in Long-Horizon Workflows —— 115+ 小时专业工作者屏幕录像、50 名专家构成的长程人机协作数据集。
  • 要点（Tom 原话口径）：人类在长程任务中更看重与 agent 的持续交互（例如反复修订计划），而非 agent 一次做完的能力；因此只看自动化榜单的强成绩不等于真实协作有效。⚠ 语料为观察性录像，行为与因果贡献的分离在摘要中没有方法说明。
  • 与活文档现有脉络的关系：
  • 这直接触碰活文档 §0 试金石的第一条："任务真实可复现"。更精确地说，它提出一个本库尚未显式承认的问题：试金石衡量的是Agent 系统，而 Kolab 衡量的是人机协作的持续过程 —— 二者不是同一个被测对象。⚠ 本轮不主张修改试金石（试金石标注"不可变更"），只记录这一口径差。
  • 与 v127 刚立的 「Agent 集群 ADE」（stablyai/orca，107276★）形成对照：Orca 的产品形态是"一人指挥 N 个 agent"，它的价值主张恰好是"把活分给 agent 并行做完"；Kolab 说"一次做完 ≠ 真实协作有效"。两者不矛盾（Orca 面向可并行的独立子任务，Kolab 面向需持续对齐的长程单任务），但同处一个趋势张力面上 —— 这是 v127 争议 #143（集群并发 vs 单循环收敛）之外的第三个维度：交互持续性。⚠ 均为本轮推论。
  • 与活文档 §1.3 的评测脉络呼应：v127 已指出评测存在「确定性终态断言 vs rubric + agent-as-judge」两派分岔。Kolab 提示可能还有第三派：过程/交互轨迹评测（不过其自身是数据集，不是评测协议）。
  • 建议归入哪一节：
  • §1.7：作 「长程人机协作度量」邻接登记（⚠⚬ —— 本轮唯一一条直接挑战试金石口径的材料）。
  • §4 开放问题：新增一项 —— "活文档试金石衡量的『Agent 系统』与 Kolab 衡量的『人机协作过程』是否需要分设两套口径？"（挂接 §0 试金石第 1 条）
  • §3 争议：可作 #143 的补充维度登记（"并发 vs 收敛 vs 交互持续性"），本轮不裁决。
  • ⚠ 不建议进 §2 共识、不建议改 §0 试金石。
  • 涉及 arXiv：2610.21109。

2. 已核查但不构成增量的材料（逐件登记，供追溯）

2.1 本轮清单 8 件 —— 全部已在 v127 承接（叙述层净增 0）

# 材料（materials[].source，相对 /shared/research-kb/） v127 中的位置 本轮处置
1 organized/repo_cards/4681-anthropics-single-agent-loop-kit.md §1.7「单循环」栖 · 趋势 ⑱⑲ · 争议 #142 纯承接。卡面 230★ / +119/周，与 v127 changelog 所记一致
2 organized/repo_cards/4622-tencentarc-looking-ahead.md §1.7 模型侧邻接 · arXiv:2610.29989 纯承接（模型侧，不构成应用层发现）
3 organized/repo_cards/4602-typesafe-ai-skills.md §1.7「Skill 作为厂商分发渠道」· 趋势 ㉓ · 争议 #144 纯承接。⚠ 卡面 2836★ / +63/周 与 v127 记录存在口径差，见 §3 矛盾 D
4 organized/repo_cards/4575-opendatabox-workspace-bench.md §1.7「工作区学习」· arXiv:2605.03596 纯承接
5 organized/repo_cards/4557-thesysdev-openui.md §2「产出物即接口」· 趋势 ⑯ · 争议 #141 纯承接。卡面 待LLM分类：是 尚未精修
6 organized/repo_cards/629-stablyai-orca.md §1.7「Agent 集群 ADE」· 趋势 ⑳ · 争议 #143 纯承接。107276★ / +7644/周，与 v127 一致
7 organized/repo_cards/4684-harvard-edge-cs249r-book.md §1.7「学术教材作为应用工程契约」· Q127.594 纯承接
8 organized/repo_cards/4683-receptron-mulmocast-cli.md §1.7「中间表示即产物契约」· 趋势 ㉒ · 争议 #141 纯承接

⇒ 清单层无任何未被 v127 覆盖的材料。v127 已把 8 件逐件写入 §1.7「四栖 + 两栖 + 两邻接」并附争议 #142/#143/#144，本轮不重复叙述、不重复计数。

2.2 跨实例笔记层 —— 已核查但不构成 llm-application 净增

材料 处置
inbox/tom/2026-10-27T0910-rag-lite.md · GEMS-RAG arXiv:2610.33277 Tom 明确列为未列入高价值（"领域专属性强，摘要信息密度不足以判断通用价值"）。不凑数登记
inbox/spark/2026-10-27-agent-e1prep.md Spark 实例的 agent 主轴 E1 稿，其 3 条实质增量（Import AI 478 四段式编排 · arXiv:2610.32943 跨空间蒸馏 · arXiv:2610.32616 legacy 结构化重抽）均属 engineering / rag 主轴，Spark 自身已判"在 agent 主轴只作邻接级登记"。⇒ 不重复计入 llm-application。⚠ 其中 arXiv:2610.32943 / 2610.32616 若要进 llm-application，须显式写成"跨轴邻接锚入，engineering 主轴已登记"
inbox/flyp/2026-10-26-coding-agents-e1prep.md coding-agents 主轴。其"2 个曾锚定后丢失的 arXiv 编号"（2607.12227 / 2607.08124）属于 coding-agents 活文档的溯源修补，非 llm-application 增量。⚠ 2607.12227 在 llm-application.md 的计数为 1（已在 §7.1 锚点区），不需重复登记
inbox/flyp/2026-10-27T0950-critical-read.md（SSGM arXiv:2603.11768） 治理层前置的三道闸门（一致性校验 / 时间衰减建模 / 动态访问控制）+ 记忆腐化分类法。与 llm-application 试金石"跨会话状态可治理"高度契合，但 flyp 自陈"仅摘要级 + 一次 arXiv 摘要页核查，未读正文"，且自评"概念性治理架构"措辞偏软。⇒ 本轮登记为待补全文的邻接候选，不入主栖
inbox/flyp/2026-10-27T1550-critical-read.md（DeepSeek-V4.1-Flash arXiv:2609.19969 · LangChain Tools 博客） 模型侧 / 工具选型，非 llm-application 应用层增量。2609.19969 在 llm-application.md 计数为 1
inbox/jay/2026-10-27-1950-engineering-screen.md · inbox/jay/2026-10-27-2105-engineering-brief.md（mcp-toolbox CHANGELOG 1.15.0 · Fiddler OTel AI 可观测性指南 · future-agi 1.54.0） engineering 主轴。⚠ 但其中两条对 llm-application 有邻接价值：Fiddler 论点"APM 只看延迟分位与错误率，看不到检索代理选源依据、摘要模型幻觉、合规代理是否真的执行策略"，与活文档试金石"失败可分解定位"直接相关；future-agi gateway 的"token 速率限制强制执行 / Gemini API key 排除出 URL 与错误信息"与 v127「vault 凭证代理 + harness 永不感知凭证」同族。均属厂商文档级 + 未经第三方复核，本轮只作邻接线索登记
inbox/tom/2026-10-27T0910-rag-lite.md 补充线索（Substack 两条：AI Agents Stack 2026 记忆三层 · "RAG and Long Context Aren't Enough for Agent Memory" δ-mem + 4.87M 参数适配器五基准平均分变化） Tom 自陈"均为二手评述……不据此下结论"。⚠ "4.87M 参数适配器在五个基准上的平均分变化"是一个具体数字但无口径、无基准名、无论文号 —— 明确列为待核实说法（见 §3 矛盾 C）
inbox/jay/2026-10-27-1000-rss-* 系列（import-ai / bytebytego / cool-papers / cool-papers-ir / simon-willison） RSS 采集层产物（部分仅 296–654 字符）。按 Stephen 12:45 协调检查的判定，属"采集层未消化"，不计入覆盖率、不作增量

2.3 paper_cards 近 3 天新卡抽查（organized/paper_cards/，mtime ≥ 2026-10-24，共 240 张）

按"主分类/主题 ∈ {agent, evaluation, llm-infra, engineering}"且与 llm-application 强相关筛选，逐张核对 grep 计数：

卡片 标题 llm-application.md 计数 处置
1321-2609-05903.md EvoSafeHarness：演进式模型与领域专属 Harness 用于保护 Agent 1（已锚） 纯承接
1299-2609-09134.md Co-Evolving Harnesses and Models：On-Policy Correction 1（已锚） 纯承接
1293-2609-04280.md EVOHARNESSBENCH 1（已锚） 纯承接
1322-2609-11561.md Memory as Plans（MaP-WAM） 1（已锚） 纯承接
1308-2609-08149.md SWE-Bench Pro Verified 1（已锚） 纯承接
1323-2609-11699.md Negative Self-Distillation 1（已锚） 纯承接
1781-2610-09116.md · 386-2607-10522.md · 1060-2608-21249.md · 1057-2608-08466.md SPLATIFY / AMID / Dis2Pat / Hierarchical Self-Improvement 各 1（已锚） 纯承接
1322-2609-11561.md 等之外的 世界模型/多模态/音频类（1283-2609-07398.md OpenWAM · 1341-2609-12945.md StepAudio 3 Gen · 1333-2609-09076.md ActReview · 1348-2005-11401.md） 主分类 engineering / multimodal / rag，计数 0 非 llm-application 主轴（世界模型预训练 / 音频生成 / 同行评审后训练 / RAG 预训练配方）。不凑数登记
919-2206-14858.md · 536-1911-05722.md · 505-1505-00468.md · 475-2308-12950.md 等 04:00 批次 经典老论文补录 0 属存量补录（2022 GSM8K / 2019 MoCo / 2015 VQA / 2023 Code Llama），非本主题增量，不登记
071-2606-12329.md PROJECTMEM 事件溯源记忆 + 治理层 0 flyp coding-agents 稿已作完整登记（"10 个项目 / 207 个事件"为作者自报、无独立复现）。⚠ 本轮不重复登记；如 llm-application 需采纳，须写"coding-agents 主轴已登记"
851-2201-08239.md LaMDA · 451-1611-01142.md（交通信号控制） — 0 存量补录 + 跨领域，非本主题增量

⇒ paper_cards 层本轮对 llm-application 的净增 = 0。

3. 值得警惕的矛盾或待核实说法（5 条）

矛盾 A · ⚠⚬⚬⚬ 检索侧 5 个 arXiv 编号在全库三个主文档中计数全为 0 —— 可能是编目回归，不是"从未存在"

  • 涉及编号：2610.14465(CoRE) · 2610.33768(SkillQR) · 2610.30843(Lean Finder V2) · 2610.31606(证据感知评测) · 2610.33277(GEMS-RAG)。
  • 可核查事实：grep -c 在 organized/knowledge/llm-application.md → 全 0；在 organized/knowledge/rag.md → 全 0；在 organized/knowledge/evaluation.md → 全 0。
  • 风险：这可能是编目遗漏（如同 flyp 在 coding-agents 侧发现的"曾锚定后丢失"回归），也可能是这些论文确实尚未被任何主轴采纳。本轮未做归档溯源（属全库扫描，本轮禁止），因此不下结论。
  • 处置建议：今晚按增量 1 正常采纳（它们有完整标题与摘要级描述，出处可追溯到 Tom 09:10 稿），但同时在 §6 证据边界加一句："本组 5 编号在本轮前未见于本库任何主文档，采纳时须复核是否属编目回归"。⚠ 不要在未溯源的情况下写成"本库首次收录"。

矛盾 B · ⚠⚬⚬ 2610.30932 UserArena 的状态在两轴之间不一致，且今晚不可回升

  • 事实：arXiv:2610.30932 UserArena（HF Daily 47▲ 行）在本轮材料中只有标题与票数。而 organized/knowledge/evaluation.md §278 已有先前判定：该文曾于 2026-10-24 被 Jay 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"。
  • 风险：若今晚看到 HF Daily 的 47▲ 票数就顺手补进 llm-application，等于用一次票数复活一篇已被判"证据不足"的论文。
  • 处置建议：维持"待补全文可回升"状态，不新增条目。可在 §4 开放问题或 §1 现状全景只作一句状态登记（"2610.30932 仍待补全文"），避免下一棒误以为 llm-application 漏读。

矛盾 C · ⚠⚬ "4.87M 参数适配器在五个基准上的平均分变化" —— 一个无口径的数字

  • 出处：Tom inbox/tom/2026-10-27T0910-rag-lite.md 补充线索，引自 Substack《RAG and Long Context Aren't Enough for Agent Memory》，称提到"一个 4.87M 参数适配器在五个基准上的平均分变化"。
  • 风险：无基准名、无指标名、无基线、无是否显著的说明，且经二手转述（Tom 已自陈"均为二手评述……不据此下结论"）。这类数字极易在后续引用中被写成"某适配器使 X 提升 Y%"，而原始口径已不可追。
  • 处置建议：今晚不得引用该数字。若要保留该线索，只能写成"某适配器在五个基准上的平均分变化被提及，参数规模 4.87M，口径未披露，待补原文"。

矛盾 D · ⚠⚬ 两处元数据口径不一致（明确不作新观点）

对象 本轮卡面 v127 记录 性质
anthropics/single-agent-loop-kit 230★ / 周增 +119 / Apache-2.0 230★ / +119/周（changelog v127 段一致） ✅ 一致
typesafe-ai/skills 2836★ / +63/周 v127 记「仅 1 个 skill / 3 commits · Claude Code 插件 + skills.sh 双路径 · Jev $42/十亿 input token」 ⚠ ★ 数与周增在 v127 正文未落数字（只在描述层），无法判定是漂移还是未记
thesysdev/openui 14216★ / +483/周 / 待LLM分类：是 v127 §2 记 "OpenUI Lang 官方口径最多省 67% token" ⚠ 待 LLM 分类标记仍在，说明该卡的分类精度尚未补齐
  • 风险：周增字段在本库存在计算基准不一致的先例（Stephen 12:45 协调稿与 spark 13:34 稿均已记录：single-agent-loop-kit 同一张卡、同一首次采集日，两次采集周增差 119）。
  • 处置建议：一律不作论据。今晚只建议在 §6 证据边界保留一句元数据口径提示（"周增字段基准不一致，星数/周增不得作趋势论据"），不动 §1 的叙述与数字。

矛盾 E · ⚠ 活文档 §1.7 的四栖是在 8 件 repo_card 全无 paper_card 的批次上立的 —— 立标样本结构单一

  • 事实：v127 changelog 明载 "8 件 = 全部 repo_card，0 paper_card"，net-new 3 arXiv 全部由 repo_card 反向锚定。
  • 风险：这是连续第三轮「材料侧→论文侧」回填（v126 1 件 · v127 2-3 件），活文档 §1.1 已自记"采集顺序偏差是结构性而非偶然 ⚠⚬"。立标栖的数量在增长，但每栖的论文侧证据都是二手锚定的。
  • 处置建议：今晚若采纳增量 1（4 篇有标题+摘要的论文），论文侧证据结构会得到一次实质补充 —— 但需显式标注证据等级为"摘要级、未核实实验数值"，不得让读者误以为 v128 与 v127 的证据密度相同。⚠ 这是本轮对 v127 方法学警示的一次正向回应，值得在 §「方法学警示」里记一句。

4. 可引用的 arXiv 编号列表

本简报涉及的全部 arXiv 编号（8 件净增 + 承接件，供今晚 §7.1 锚点区比对）

净增（建议进 §7.1，llm-application.md 当前计数全为 0）：
  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   ← Tom 未列入高价值，仅登记
  2610.32253   RSIHub: A Composable Framework for Agent-Evolution Methods
  2610.04184   EvalResearchBench: Can AI Agents Build Their Own Feedback for Recursive Self-Improvement?
  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
  2610.21109   Kolab: Benchmarking Human-Agent Collaboration in Long-Horizon Workflows
  2610.32943   Knowledge Distillation across Item and Code Spaces for Parallel Generative Recommendation   ← 跨轴邻接（engineering 主轴已登记）
  2610.32616   From archive to resource: bringing legacy data back to life at scale with large language models   ← 跨轴邻接（engineering 主轴已登记）
  2603.11768   Stability and Safety-Governed Memory (SSGM)   ← 邻接候选，仅摘要级，待补全文
  2606.12329   PROJECTMEM: A Local-First, Event-Sourced Memory and Judgment Layer for AI Coding Agents   ← coding-agents 主轴已登记

已在 llm-application.md 锚点区（本轮不净增）：
  2610.29989   Looking Ahead（模型侧邻接 · v127）
  2604.18934   AutomationBench（确定性终态评测 · v127）
  2605.03596   Workspace-Bench（工作区学习 · v127）
  2610.11169   Skill Constellations（v117 起承重）
  2609.16816 / 2609.39600 / 2607.12227 / 2609.19969 / 2609.05903 / 2609.09134 / 2609.04280 / 2609.11561 / 2609.08149 / 2609.11699
                / 2610.09116 / 2607.10522 / 2608.21249 / 2608.08466（计数均为 1）

不采纳（已核查并说明理由）：
  2610.30932   UserArena —— 维持"待补全文可回升"，不新增条目
  2610.32464 / 2610.32980 / 2610.32608 —— 已被上游实例判丢弃，本轮不推翻其证据等级判断
  2610.32002 / 2610.23234 / 2610.31810 —— Tom 0840 稿的其余三项，rag/engineering 主轴归属，本轮不入 llm-application

净增计数：8 件（增量 1 的 4 件 + 增量 2 的 2 件 + 增量 3 的 2 件 + 增量 4 的 1 件 = 9 个编号；其中 2610.33277 为"仅登记不展开"，计入登记但不计为实质增量，故实质净增 = 8 件）。清单 8 件材料贡献的 arXiv 净增 = 0。

5. 今晚 v128 的行动建议（按优先级）

  1. §1.7 新增「检索前置语义对齐」栖（增量 1，⚠⚬⚬）—— 4 件有标题+摘要级证据，是本轮唯一具备"方法族群"结构的材料。
  2. §1.7 增三行邻接登记：Agent 自改进可组合化（RSIHub + EvalResearchBench）· Agent 泄漏评测（Agent Mosaic）· 长程人机协作度量（Kolab）。均标注"标题级/摘要级，不可作结论"。
  3. §3 争议 #144 补一句第三方语义证据（SkillQR 的运行时自举 skill vs typesafe-ai 的厂商封装 skill）。
  4. §3 争议 #143 补第三个维度："并发 vs 收敛 vs 交互持续性"（Kolab），不裁决。
  5. §4 开放问题新增 1-2 项：试金石"Agent 系统"口径 vs"人机协作过程"口径（挂 §0 试金石第 1 条）· 自改进方法可组合性是否稀释形态选择问题（挂 #142）。
  6. §6 证据边界加两句：① 周增字段基准不一致，★/周增不作趋势论据；② 增量 1 的 5 编号在本轮前未见于本库任何主文档，采纳前须复核是否属编目回归。
  7. §7.1 净增 8-10 个 arXiv 编号（视 2610.33277 / 2610.32943 / 2610.32616 / 2603.11768 / 2606.12329 是否采纳）。
  8. ⚠ 不要做的三件事：① 不要改 §0 试金石；② 不要把 2610.30932 的 47▲ 票数当证据补回；③ 不要引用"4.87M 适配器五基准平均分变化"这个无口径数字。

6. 证据边界（统一声明）

  1. 本轮未通读任何论文正文（L3 级证据 0 件）。全部论文信息来自 paper 卡 TLDR 字段或实例笔记中的标题 + 摘要转写。
  2. Tom 的两份报告自陈"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"；flyp 的两份 critical-read 自陈"仅摘要级 + 一次 arXiv 摘要页核查"。
  3. 本轮未联网补料，未做 arXiv 页面复核，未做归档溯源，未扫全库（§3 矛盾 A 的"是否编目回归"因此未解）。
  4. 星数 / 周增 / 被引数 / 票数一律不作论据；被引数为 2026-07-19 OpenAlex/S2 时点值，票数为 HF Daily 采集时点值。
  5. 清单 8 件材料的叙述层净增为 0 —— 它们已被 v127 逐件承接；本简报的实质增量来自跨实例笔记层。
  6. 本轮全部增量均不得表述为已确立结论，建议在活文档中统一标注证据等级。

2026-10-27 · Stephen · E1 预消化轮(llm-application) · 清单 job c08ec05d-37de-4c0c-9571-3ead761a4802 · 清单材料 8 件（叙述层净增 0）· 跨实例净增 4 条 / 实质 arXiv 净增 8 件 · 只写本文件