QUEUE.md

外部材料学习队列

说明与维护 · 其余候选

排名是建议阅读顺序，不代表已读或同时开工承诺。按材料 ID 保留重复来源；当前队列不含历史归档。

Top 30

顺序	材料	档位	读取范围与备注
1	Manus Context Engineering：缓存稳定性、外置记忆、目标复述与失败证据	S	沿用既有阅读记录；比较缓存稳定前缀、文件外置记忆、目标复述与失败证据各自解决什么问题。
2	How we built Grok Bot in a month：产品迭代、onboarding 与持久 Agent	S	沿用既有阅读记录；关注原型到上线的产品取舍、手动 onboarding 与功能减法；区分采用证据和发布叙事。
3	Agents Should Be Durable, Not Long-Lived：durable state + leased executor 的 agent 运行时抽象（Ju Lin）	S	沿用既有阅读记录；画出 durable state 与 leased executor 的边界，解释 worker 重启和任务恢复的区别。
4	Co-ReAct：把 Rubric 从结果评分器前移为 Step-Level Action Spec · 来源 2 · 来源 3 · 来源 4 · 来源 5 · 来源 6 · 来源 7 · 来源 8	S	沿用既有阅读记录；追踪 rubric 如何进入逐步行动选择，区分训练奖励、推理约束与结果评分。
5	长程智能体自我检查与早停行为：Reward Seeking 现象及其缓解措施 · 来源 2	S	本次全文审查；已读青稞公开转载全文；知乎原页未读，图片未解释。区分 reward seeking 与 reward hacking，关注 grader 猜测、浅层自检导致早停和交付失真。已核对部分相关一手文本；LangChain 的 52.8→66.5 是整体 harness 收益，不能归因于单一中间件。建议读 §1、§3、§5，结合外部完成契约、独立验证及预算／无进展停止条件。
6	Anthropic Frontier Red Team：多 Agent 行为失败模式与协调机制	S	沿用既有阅读记录；按共享目标、信息隔离与激励结构归类多 Agent 失败，思考哪些需要协议而非提示词。
7	pstack 作者原文 Pt.1：验证 CLI、Feature Map 与云 Agent	S	沿用既有阅读记录；选一个工程动作设计验证 CLI，列出输入、可观察结果和失败判定。
8	Designing Grok Bot：为 persistent agents 设计五个产品原语（Bot roster/avatar presence/Bot 自有 computer/capability-context 分界/Routine 触发）	S	沿用既有阅读记录；比较 Bot 身份、存在感、自有计算机、能力与上下文、Routine 触发五个产品原语。
9	Open Muse：跨设备个人 Agent 的 MA 客户端、未确认写入恢复与权限边界 · 来源 2	S	沿用既有阅读记录；已读固定 commit 的 README、关键设计文档和部分源码，未运行测试或应用。关注 MA 云端循环与设备操作分界、未确认会话恢复、记忆写后读回、Agent 版本和跨设备 claim。优先读 conversations／identity 的恢复路径及 verification 未覆盖项。跨设备编辑没有原子 CAS；历史验证记录不等于当前版本实测。
10	Google Antigravity Teamwork：多 agent 研究编排框架，patterns 解耦 + 自适应 agent 数量，Long Proof 竞争式策略搜索解决开放问题	S	沿用既有阅读记录；读协作 patterns 与动态 Agent 数量；区分竞争式搜索、并行分工和结果集成。
11	Server-side Agent 的 Harness tradeoff（高策）：sandbox 单用户 → 多租户服务端 / sandbox=无状态执行环境 / session 与 context 工程 / eval parity 与轻量 JS runtime 探索	S	沿用既有阅读记录；比较本地单用户与服务端多租户的 sandbox、session、资源隔离与 eval 约束。
12	DeepSeek DSec：Agent 训练沙箱的平台约束与 RL 协同（jerrychaox 线索） · 来源 2 · 来源 3	S	沿用既有阅读记录；已选读 DSec v1 摘要、引言及 §2、§4–6、§8；X 仅截断预览，配图与后续未读。关注环境分层、按需加载、超卖 QoS、trainer／worker／sandbox 状态归属、结果复用和 pause／resume。性能与规模是作者报告，未复现；§8 不验证 RL 集成。优先读 §4、§6。
13	异步续延与 Effect 架构的第一性原理：要虚拟化时间/确定性调度/中断就必须持有续延，用户态解释器（Effect）vs 运行时下沉（PocketJS）	S	沿用既有阅读记录；用续延解释中断、虚拟时间与确定性调度；区分用户态解释器和运行时支持。
14	Mastra Observational Memory：Observer/Reflector 后台把原始消息压缩成有界 observation log，prompt-cache 友好并保留 retrieval 还原	S	沿用既有阅读记录；画出 Observer/Reflector 与检索回查链路，观察压缩对 token 成本和信息保真的影响。
15	Tencent WorkBuddy Bench：真实分布驱动的多域 Agent Benchmark 与 Harness 敏感性 · 来源 2	S	沿用既有阅读记录；检查真实任务分布、双 harness 对照、评分边界和预算记录。
16	WorkBuddy：从非目标用户的越界使用发现真实需求，并封装成高价值结果工作流	A	沿用既有阅读记录；关注越界使用怎样暴露需求，以及怎样把通用 Agent 包装为可验收的结果工作流。
17	The AI-native SDLC playbook：6 阶段 + plays + intent.md 产物链，AI 嵌入每个环节但人保留在 gate 之上	S	沿用既有阅读记录；对照六阶段产物链，说明模型自动化、人工 gate 与持续评估分别落在哪里。
18	Knowledge-Centric Self-Improvement：让共享知识而非 Agent 实现成为持续改进对象 · 来源 2	S	沿用既有阅读记录；区分共享知识更新和 Agent 实现更新；追踪知识如何验证、复用及失效。
19	SkillOpt-Lite 与 HarnessOpt：把 rollout 调试、skill 演化和执行框架演化统一成受控闭环 · 来源 2 · 来源 3	S	沿用既有阅读记录；比较 rollout 调试、skill 更新和 harness 修改三个优化对象及其验证边界。
20	Pi AgentHarness v3：durable runtime 实现规范（官方 spec）	S	沿用既有阅读记录；读 durable runtime 的状态、恢复和接口契约；规范声明需与具体实现区分。
21	DeepSeek-V4.1-Flash：CED、CSA2、FP4 KV cache 与 bounded replay · 来源 2	S	沿用既有阅读记录；拆解 prefill/decode 计算与 KV 存储账本；核对压缩收益成立的模型和负载条件。
22	火山引擎张鑫：企业 Agent 落地，我们之前忽视了经营问题	A	沿用既有阅读记录；把企业 Agent 采用拆为业务结果、运营责任、留存与成本，避免只看单次演示。
23	跨太平洋的 AI 棋局：公开译文中的开源商业化与 RSI 观点	A	沿用既有阅读记录；公开译文的产业观点；对照开源成本、云厂商价值捕获与 RSI 判断，事实需追一手证据。
24	DeepSeek Harness（dsh）：一切皆插件的 agent harness 全栈 · 来源 2	S	沿用既有阅读记录；追踪插件、Session Log、权限和工具执行的所有权边界。
25	Argus：长期研究 Agent 的证据闭环与验证门禁 · 来源 2 · 来源 3	S	沿用既有阅读记录；关注四角色的证据交接、验证门禁与 Core/Vertical 分层，而不只看运行时长。
26	Cordis：时空可组合性的编程范式（design paper + 框架） · 来源 2	S	沿用既有阅读记录；用一个插件加载与卸载例子理解服务注入、资源生命周期和可回收副作用。
27	Pi Coding Agent：minimal core + self-extensible agent harness · 来源 2 · 来源 3 · 来源 4 · 来源 5 · 来源 6 · 来源 7	S	沿用既有阅读记录；从最小 agent loop 追到 session 与扩展点，区分核心责任和可替换策略。
28	AI4AI at Test-Time：strong builder 用 5% validation 迭代构造 harness，把 weak target 精度从 0.49 提到 0.91	S	沿用既有阅读记录；核对 builder/target 分工、验证集预算与基线；避免把 test-time 搜索收益混为模型增益。
29	Fast Weight Attention for Continual Learning：把 fast-weight 记忆统一到在线持续学习框架（Falcon-1/2/3 家族）	A	沿用既有阅读记录；从在线学习看 fast weights，区分参数记忆、上下文记忆和持续学习假设。
30	Dream-RSI：通过已验证发现树回放，优化探索策略 · 来源 2	S	沿用既有阅读记录；手算发现树上的一次策略回放，检查候选预算、零执行评估与收益估计的条件。

Ranked backlog

顺序	材料	档位	读取范围与备注
31	Linear Sync Engine 逆向研究：事务、delta 顺序、离线队列与权限订阅	S	沿用既有阅读记录；按本地事务、delta 顺序、离线重试和权限订阅追一条同步路径。
32	Dream-RSI 第三方复现：独立实现、回放契约与证据边界	A	沿用既有阅读记录；对照论文与第三方实现的回放和预算契约；独立复现不等于作者官方代码。
33	数据库与分布式系统补课讲义：从 FP 与状态机到事务、幂等、fencing 与恢复	S	本次全文审查；17 节连接类型、纯决策、提交时验证、并发历史、日志与恢复、共识、存储与排队；用公开 commit 固定的 LoopX 代码作案例。
34	数据库与分布式系统：故障推演、交叉讨论与四周学习路线	A	本次全文审查；8 道故障题、10 组讨论与四周安排；区分会复述、会推演、能实现和能提出反例。
35	Recovery Lab：幂等扣减、旧执行者、乱序投影与 write skew 教学实验	A	本次运行通过；SQLite 演示盲重试余额 80、原子去重余额 90；覆盖参数冲突、提交前回滚、epoch 条件写和 snapshot 版本；write skew 是抽象内存模型。
36	Temporal 架构：History、Matching、内部任务队列、Outbox 与持久化	A	沿用既有阅读记录
37	TeamAI：通过 Git 分发团队 skills、rules、MCP 与记忆	S	沿用既有阅读记录
38	Koishi 官方文档：可逆的插件系统（Cordis 的可回收副作用与资源安全）	B	沿用既有阅读记录
39	Apache Maka（Incubating）：Log Is the Runtime——append-only RuntimeEvent Log 作为 agent 状态事实基座，UI/模型上下文/恢复都是投影 · 来源 2	S	沿用既有阅读记录
40	π-agent book：pi-agent-core 源码逐行架构解读（在线连载） · 来源 2	S	沿用既有阅读记录
41	SoL-Pi：基于 Pi 的 harness 自动研究与机制筛选	S	沿用既有阅读记录
42	Rust Book Ch.6：Enums 与 Pattern Matching——sum type + match 穷尽检查 + if let 语法糖	S	沿用既有阅读记录
43	引用透明性：表达式替换、纯函数与程序优化的条件	S	沿用既有阅读记录
44	Huxley–Gödel Machine：Clade-Metaproductivity、Thompson Sampling 与自修改搜索 · 来源 2	S	沿用既有阅读记录
45	Grok Bot for Engineering：工程 Agent 的工种、验收与复盘	S	沿用既有阅读记录
46	Crouzeix 猜想候选证明仓库：long-horizon 多 Agent 科研编排 prompt + 公开 trace + Lean 公理审计	S	沿用既有阅读记录
47	Cloudflare：Build your own vulnerability harness	A	沿用既有阅读记录
48	LongHorizonOS：时间片、上下文切换、重启门禁与版本化进展图	S	沿用既有阅读记录
49	Omarchy：Agent launcher、崩溃交接与跨 harness skills · 来源 2	S	沿用既有阅读记录
50	Scala 与 Algebraic data type：sealed trait + case class + match 穷尽性，TypeScript/Rust 之外的第三种 ADT 实现	S	沿用既有阅读记录
51	Kimi K2.5 / Agent Swarm	A	沿用既有阅读记录
52	Hermes Mixture-of-Agents：多模型协同与聚合 · 来源 2 · 来源 3 · 来源 4 · 来源 5	A	沿用既有阅读记录
53	JIT-Agent：训练模型即时生成受协议约束的 harness · 来源 2 · 来源 3	S	沿用既有阅读记录
54	Agentic Harness Engineering：把 harness 自迭代从 craft 变成可观测工程系统 · 来源 2	A	沿用既有阅读记录
55	Harness Updating Is Not Harness Benefit: Disentangling Evolution Capabilities in Self-Evolving LLM Agents · 来源 2	A	沿用既有阅读记录
56	EvoTrainer: Co-Evolving LLM Policies and Training Harnesses for Autonomous Agentic Reinforcement Learning	A	沿用既有阅读记录
57	EnvHarness：把 agent harness 思想镜像到环境侧，用 Setup/Rules/Link 插件层重塑冻结环境并保留原 verifier，LLM 设计器 EnvRigger 自动诊断并共进化 · 来源 2	S	沿用既有阅读记录
58	EvoMap / Evolver：Gene、Capsule 与进化资产共享协议 · 来源 2	S	沿用既有阅读记录
59	陈宇森 / MuleRun Agent Builder：runtime + skills + conversational marketplace	A	沿用既有阅读记录
60	Palantir 的“本体论骗局”：企业 AI 平台叙事解构与采购判断框架	A	沿用既有阅读记录
61	Running a Software Factory Efficiently at Uber Scale：软件工厂成本工程（四层 agent、六项成本方程、模型路由、Code-Mode、context graph、16 类 session 反模式）	S	沿用既有阅读记录
62	Dan Shipper / After Automation：异步委派 Agent、共享工作界面与必须有人照料的自动化	A	沿用既有阅读记录
63	DSH + AWiki：Agent 原生身份与外部消息/邮箱接入的实现样本	A	沿用既有阅读记录
64	Chat 不是终局：长程任务的状态卡片、监督与信任设计	S	沿用既有阅读记录
65	pstack 指南解读：验证基础设施、Agent CLI 与 Feature Map · 来源 2	S	沿用既有阅读记录
66	机器之心：DeepSeek Harness 震撼开源（二手报道 / 产品采用信号）	B	沿用既有阅读记录
67	Cordis 在做什么：从 DeepSeek Harness 看——服务/inject/effect/Loader 的机制级代码映射	A	沿用既有阅读记录
68	万字长文：DeepSeek Harness 一文全看懂——Profile/Bundle/Patch、Cordis、Session Log、安全管线、四种模式与动态造工具	A	沿用既有阅读记录
69	Dive into Claude Code: The Design Space of Today's and Future AI Agent Systems · 来源 2 · 来源 3 · 来源 4 · 来源 5 · 来源 6	S	沿用既有阅读记录
70	OpenAI Codex Persistent mode：reasoning effort 新档让 Codex “继续工作直到被休眠”，并主动创建后续任务（WIRED 一手报道）	A	沿用既有阅读记录
71	Learn Claude Code：从 0 到 1 构建 nano Claude Code 风格 agent harness（20 个渐进 session，102→1708 LOC）	S	沿用既有阅读记录
72	Prime Agent：自我改进的 RLM coding/research harness（持久 IPython + Continual Harness） · 来源 2 · 来源 3	S	沿用既有阅读记录
73	Multica：human + agent teams 的开源 managed agents platform · 来源 2 · 来源 3	S	沿用既有阅读记录
74	FDE Observatory：Claude Managed Agents 深度调研 / Anthropic 的第三条路	A	沿用既有阅读记录
75	Paperclip：AI-agent company control plane · 来源 2 · 来源 3 · 来源 4 · 来源 5	A	沿用既有阅读记录
76	Agent libOS: A Library-OS-Inspired Runtime for Long-Running, Capability-Controlled LLM Agents	A	沿用既有阅读记录
77	Harness-1: Reinforcement Learning for Search Agents with State-Externalizing Harnesses · 来源 2	A	沿用既有阅读记录
78	Cloudflare Workflows saga rollbacks：durable step compensation for long-running workflows	A	沿用既有阅读记录
79	repo-harness：把 Claude/Codex 工程会话变成 repo-local 的可恢复工作流	A	沿用既有阅读记录
80	Terminal-Bench：命令行环境中的 hard realistic tasks	A	沿用既有阅读记录
81	SkillsBench：benchmarking how well agent skills work across diverse tasks · 来源 2 · 来源 3	A	沿用既有阅读记录
82	Agents' Last Exam：economically valuable long-horizon agent benchmark · 来源 2 · 来源 3	A	沿用既有阅读记录
83	Orca：worktree-native 的多 Agent 开发工作台与早期 orchestration control plane	A	沿用既有阅读记录
84	Measuring AI Agent Autonomy：用 code inspection 评估 autonomy / oversight / observability	A	沿用既有阅读记录
85	Harnessing Embodied Agents：runtime governance 作为独立执行层	A	沿用既有阅读记录
86	MI9：goal-aware authorization + telemetry + conformance + containment · 来源 2	A	沿用既有阅读记录
87	Position: AI Agents Need Authenticated Delegation：agent 委托、scope 与审计链 · 来源 2	A	沿用既有阅读记录
88	Unfireable Safety Kernel：execution-time authorization kernel for escapable AI systems	A	沿用既有阅读记录
89	OpenRSI / OpenMLE：可执行 AI4AI 元进化全栈（Frontis-MA1） · 来源 2	S	沿用既有阅读记录
90	Evolvent AI：长期 Agent、权限、skills 与 RSI 评测研究目录	S	沿用既有阅读记录
91	MetaRSI-v1 / RSI-Harness：Data、Harness、Model 三类自改进算子 · 来源 2	A	沿用既有阅读记录
92	RSIAgent：curriculum、actor、verifier 与可迁移经验 · 来源 2	A	沿用既有阅读记录
93	递归自我改进现场观点汇编：验证、学习过程与生态分工	A	沿用既有阅读记录；公开转载或观点整理；不复制非公开原始录音、转写或内部文档，观点不作为已验证事实。
94	红杉 RSI 讨论的公开图文整理：搜索、验证成本与自改进层级	A	沿用既有阅读记录；公开转载或观点整理；不复制非公开原始录音、转写或内部文档，观点不作为已验证事实。
95	Lilian Weng: Harness Engineering for Self-Improvement	S	沿用既有阅读记录
96	Pat Grady 的公开转载观点：计算革命、能力采纳鸿沟与应用组织	A	沿用既有阅读记录；公开转载或观点整理；不复制非公开原始录音、转写或内部文档，观点不作为已验证事实。
97	OpenAI Understands Something Important and Rare：客户创造、分发与定价	A	沿用既有阅读记录
98	五源资本：Loop Engineering——被高估的循环，被低估的拓扑 · 来源 2	A	沿用既有阅读记录
99	Karpathy autoresearch + Loop Engineering：从人工 prompt 到 autonomous experiment loop · 来源 2 · 来源 3 · 来源 4 · 来源 5 · 来源 6	A	沿用既有阅读记录
100	AMIE (Video)：实时 Agent 不能只有一个 Loop——Talker/Planner/Perception 按时间尺度异步编排	S	沿用既有阅读记录
101	Reef：把推理服务器变成持续自改进 Agent 基础设施（stateful inference + experience stream + model/harness 联合演化） · 来源 2	S	沿用既有阅读记录
102	Microsoft ASSERT + Agent Control Specification：spec-driven agent eval / open trust stack	A	沿用既有阅读记录
103	TypeSafe System One：类型化决策、概率校准与路由	A	沿用既有阅读记录
104	Building a Harness with Jev：模型路由与工具执行前的风险门控	A	沿用既有阅读记录
105	3SPO：state-score-supervised policy optimization for long-horizon LLM agents · 来源 2 · 来源 3	A	沿用既有阅读记录
106	HIPIF / Context-Folding：planning + information folding for long-horizon agent context control · 来源 2 · 来源 3 · 来源 4	A	沿用既有阅读记录
107	DeepSeek V4 × J-Space 能力释放报告：capability-realization loss、思维链二极管与长程状态账本	A	沿用既有阅读记录
108	ktx: open-source executable context layer for data agents · 来源 2	A	沿用既有阅读记录
109	Agent Client Protocol / acpx / Paperclip ACP fit：structured session protocol vs control-plane boundary · 来源 2 · 来源 3	A	沿用既有阅读记录
110	stdrc：agent becomes the interface over everything	A	沿用既有阅读记录
111	Raft source-available：release mirror、prompt request 与贡献模式	A	沿用既有阅读记录
112	阿里技术：重新思考研发基础设施，当 Agent 成为第一公民	A	沿用既有阅读记录
113	平行记陆：AI Infra：跳出数据库，看到更大的 Agent Data Runtime	A	沿用既有阅读记录
114	MemPoison / Hijacking Agent Memory：绕过 selective extraction 的 long-term memory poisoning · 来源 2	A	沿用既有阅读记录
115	Defeating Prompt Injections by Design / CaMeL：capability-based agent security	A	沿用既有阅读记录
116	Overeager Coding Agents：Benchmarking Horizontal Privilege Escalation in Software Engineering Agents	A	沿用既有阅读记录
117	Skill-Pro / ProcMEM：从 episodic trace 学 reusable executable procedural memory · 来源 2	A	沿用既有阅读记录
118	SWE-Skills-Bench：skills 是否真的帮助软件工程 agent	A	沿用既有阅读记录
119	SkillLens / From Raw Experience to Skill Consumption: A Systematic Study of Model-Generated Agent Skills · 来源 2	A	沿用既有阅读记录
120	SkillOpt: Executive Strategy for Self-Evolving Agent Skills · 来源 2 · 来源 3	A	沿用既有阅读记录
121	Bayesian-Agent：用 posterior-guided evidence loop 做 skill / SOP 演化 · 来源 2 · 来源 3 · 来源 4	A	沿用既有阅读记录
122	SkillAxe + SkillVetBench：agent skill 从 prompt 库升级成可评测、可审计、可上架的对象 · 来源 2	A	沿用既有阅读记录
123	vLLM Hybrid SSM Disaggregated Serving：agentic serving 的 state transfer 复杂度参照	A	沿用既有阅读记录
124	SGLang HiCache / PD Disaggregation：hierarchical KV cache and prefill-decode split	A	沿用既有阅读记录
125	LMCache / vLLM APC：prefill once, reuse wherever possible	A	沿用既有阅读记录
126	dots3-note Preview：挑战 IMO 的 LLM 选手（Proof/Verify/Refine harness、TEMPO macro-step RL 与 40-50 小时 agent 负载的 serving/cache 账本）	S	沿用既有阅读记录
127	NVIDIA Dynamo agentic inference：harness -> orchestrator 的 agent hints interface	A	沿用既有阅读记录
128	Sail Research：agent inference throughput / long-running sandbox cost	A	沿用既有阅读记录
129	GRU-Mem / When to Memorize and When to Stop：长上下文 recurrent memory 的 update gate 与 exit gate · 来源 2	A	沿用既有阅读记录
130	OpenAI Dreaming: Better memory for a more helpful ChatGPT	A	沿用既有阅读记录
131	TaskMem：把 agent 记什么建模成 task-focused memorization policy · 来源 2 · 来源 3	A	沿用既有阅读记录
132	TRUSTMEM：trustworthy memory consolidation verifier	A	沿用既有阅读记录
133	AMA-Bench：real agent trajectories 上的 long-horizon memory eval · 来源 2 · 来源 3 · 来源 4	A	沿用既有阅读记录
134	AgentMemoryBench: Benchmarking Continual Agent Memory for Online Learning, Transfer, and Forgetting · 来源 2	A	沿用既有阅读记录
135	MRAgent：Memory is Reconstructed, Not Retrieved · 来源 2 · 来源 3 · 来源 4	A	沿用既有阅读记录
136	STITCH / Grounding Agent Memory in Contextual Intent · 来源 2	A	沿用既有阅读记录
137	Memoir / OpenViking：versioned and filesystem-like memory substrate · 来源 2	B	沿用既有阅读记录
138	主流 Agent Harness 实现对比：Memory 篇	A	沿用既有阅读记录
139	CodeGraph：为 Agent 预计算语义代码图与 surgical context	A	沿用既有阅读记录
140	Patronus AI digital worlds：agent simulation / stress-test environments	A	沿用既有阅读记录
141	Heuresis：quality-diversity search for autonomous AI research agents	A	沿用既有阅读记录
142	Autodata：agentic data scientist for synthetic training/eval data	A	沿用既有阅读记录
143	真实工作流与训练数据：数据市场、hillclimbability 与 verifier 约束	B	沿用既有阅读记录
144	DeepSWE：long-horizon coding-agent benchmark · 来源 2	A	沿用既有阅读记录
145	唐杰 / 姚顺宇 long-horizon task 观点 + ProgramBench / RepoZero · 来源 2 · 来源 3 · 来源 4 · 来源 5	A	沿用既有阅读记录
146	DeNovoSWE：whole-repository generation as verifiable long-horizon SWE environment · 来源 2 · 来源 3 · 来源 4	A	沿用既有阅读记录
147	Tasteful Agent / Taste-Bench：长程轨迹中决策岔口的测量与训练 · 来源 2 · 来源 3	S	沿用既有阅读记录
148	Fiona Fung / Claude Code-Cowork：What happens after coding is solved?	A	沿用既有阅读记录
149	AEvo 上游谱系精读包：DGM -> GEPA -> ADAS · 来源 2 · 来源 3 · 来源 4 · 来源 5 · 来源 6	A	沿用既有阅读记录
150	Autogenesis / AGP：自进化 Agent 的协议化资源治理 · 来源 2 · 来源 3	A	沿用既有阅读记录
151	CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery · 来源 2 · 来源 3	A	沿用既有阅读记录
152	Uni-Agent：veRL 通用 Agent 构建、运行、训练统一框架 · 来源 2	A	沿用既有阅读记录
153	XiaomiMiMo/verl 与 MiMo-V2.6 §7：多 harness rollout、轨迹结构与信用分配	S	沿用既有阅读记录
154	SearchAgent-Zero：从零训练多轮 Search Agent 的 verl RL 框架 · 来源 2 · 来源 3	A	沿用既有阅读记录
155	Agent Lightning：Train ANY AI Agents with Reinforcement Learning · 来源 2	A	沿用既有阅读记录
156	UnityMAS-O: A General RL Optimization Framework for LLM-Based Multi-Agent Systems · 来源 2	A	沿用既有阅读记录
157	JitRL / Just-In-Time Reinforcement Learning：用经验记忆做 test-time policy optimization · 来源 2 · 来源 3 · 来源 4	A	沿用既有阅读记录
158	Progress Advantage for LLM Agents：annotation-free step-level scoring from RL post-training	A	沿用既有阅读记录
159	Agentic Reinforced Policy Optimization / ARPO · 来源 2	A	公开摘要页已核验；本次核验公开论文页面；技术细节沿用既有阅读记录。
160	Agentic Entropy-Balanced Policy Optimization / AEPO · 来源 2	A	公开摘要页已核验；本次核验公开论文页面；技术细节沿用既有阅读记录。
161	Let It Flow / ROLL / iFlow-ROME：Agentic RL 的三个苦涩教训 · 来源 2	A	沿用既有阅读记录
162	EMPO²: Exploratory Memory-Augmented LLM Agent via Hybrid On- and Off-Policy Optimization	A	沿用既有阅读记录
163	Training LLM Agents for Spontaneous, Reward-Free Self-Evolution via World Knowledge Exploration · 来源 2 · 来源 3 · 来源 4 · 来源 5 · 来源 6	A	沿用既有阅读记录
164	POM special issue + OM human-AI interaction：把 Goal Harness catalog 映射到运营管理语言 · 来源 2	A	沿用既有阅读记录
165	Cursor Composer 2.5：targeted RL with textual feedback	A	沿用既有阅读记录
166	Codex 正在重塑传统推理框架开发流程：SGLang Diffusion、benchmark/profile、custom op 与 torch.compile graph break · 来源 2	A	沿用既有阅读记录
167	AI-Infra-Auto-Driven-SKILLS：SGLang/vLLM SOTA Humanize Loop 与推理框架 agent workflow · 来源 2 · 来源 3 · 来源 4	A	沿用既有阅读记录
168	Kernel Design Agents：让 Agent 自己优化 CUDA kernel，并在 MLSys 2026 FlashInfer Full-Agent Track 拿下前三 · 来源 2 · 来源 3 · 来源 4	A	沿用既有阅读记录
169	AI agents for science & the human-value debate（Zesen Huang @ AstroAI）	B	沿用既有阅读记录
170	The State Monad：纯函数状态转换与 LoopX 状态机重构参考	B	沿用既有阅读记录
171	商业传记与通识书目	B	仅元信息；《沃顿商学院时间管理课（修订版）》《小米创业思考》《埃隆·马斯克传》《冲向火星》《金钱博弈：重振韩国第一银行内幕》《进化论50讲》；正文未读。
172	未核实的交易研究海报：论文核验与 backtest overfitting 方法	B	沿用既有阅读记录；来源真实性未确认；保留为核验案例，不作为论文结论。
173	量化交易教程的商业化样本：harness 结构、营销主张与证据边界	B	沿用既有阅读记录