每日调研 2026-08-28 ★★★★☆ dailyAILLMAgentCode IntelligenceResearch Briefing

#2026-08-28 AI/LLM 最新论文与研究热点简报

覆盖窗口：截至北京时间 2026-08-28 08:00，主体为 arXiv 2026-08-26 首次提交、8 月 27 日进入 recent / Hugging Face Papers 的新作；补充少量 8 月 25 日提交但今天进入 HF 榜单、且与长轨迹 Code Agent 高度相关的论文。

检索与核验：扫描 Hugging Face Daily Papers 2026-08-27 API（33 篇）、arXiv cs.AI / cs.CL / cs.LG / cs.SE / stat.ML past-week 页面（去重后 2,104 篇），下载并全文抽取 18 篇候选 PDF；交叉核验 GitHub API、Hugging Face model/dataset API、项目页和 OpenAlex。arXiv Atom API 本次返回 429，但 HTML recent 页面可用；Semantic Scholar 首次请求成功、后续限流；浏览器后端超时，X recent-search 也没有可审计授权，因此不引用无法稳定核验的社交帖子，以论文、GitHub、HF 与机构发布替代。

#一、早读结论：今天最值得抓住的 7 个信号

  1. LLM Agent 的 world model 开始从“预测下一段文本”转向“维护可执行世界状态”：Code World Model 让 coding agent 用代码推进规则与持久状态，再让视频模型负责观察渲染；这比把知识、动力学、状态和视觉全部压进一个生成器更接近可审计的 model-based system。
  2. harness 正在成为独立可训练模型：JIT-Agent 不再从固定模板中搜索，而是按任务即时生成 memory / planning / action / capability orchestration 四模块 harness，并从执行失败和 archive frontier 中学习修复与演化。
  3. 超长推理未必需要保留完整 CoT：Prefix Sliding 只保留固定 prefix 和最近窗口，零训练即可在匹配表现下最高约 3× 加速，并把 RL rollout 扩到 10 万 token 以上；“中间推理 token 很快失效”是比摘要压缩更强的假设。
  4. 自演化 Agent 的经验库既是学习器，也是供应链攻击面：EVOMAL 表明恶意 skill 无需被直接调用，只要被检索并模仿，就可能被 Agent 改写成“自己创作”的新 skill，并在库中自传播。
  5. 长轨迹多模型路由不是简单的“难了就换强模型”：Handoff Tax 发现弱→强的完整轨迹移交会锚定强模型；升级时少给旧推理更好，而强→弱降档时保留强模型轨迹反而有益。
  6. 持续知识更新的目标应从 memorization 升级为 absorption：GRIN 用 golden off-policy answer 补足 novel fact 上全错的 on-policy group，让知识注入同时接受 recall、跨来源组合、推理和旧知识覆盖测试。
  7. 今天两个基础模型热点都把 agentic long context 与稀疏/线性 attention 放在核心位置：Qwen3.8-Flash-Next 公开 QSA、Gated DeltaNet、Gated Residual、n-gram embedding 与 Muon/AdamW 分工；GLM-5.3-Flash 则公开 320B/18B active、30T multimodal pretraining 与 sparse-linear hybrid。两者的厂商 benchmark 都应等待独立复现。

#二、重点精读（Top 5）

#1. Code World Model：让 Coding Agent 充当可执行的“世界大脑”

  • 类别：Model-based RL / Code Agent / World Model / Latent/Structured State
  • 标题：Code World Model: Coding Agent as World Brain
  • 来源与日期：arXiv:2608.25927，2026-08-26；Hugging Face Papers 2026-08-27
  • 项目页：Code World Model
  • 一句话核心贡献：把 world evolution 与 visual realization 拆开：coding agent 用可执行代码维护实体、规则、历史后果和持久状态，轻量 compiler 把状态编译成逐帧时空约束 proxy video，再由视频模型生成高保真观察。

为什么值得关注？

视频 world model 通常让视觉历史同时承担四件事：记状态、学规则、推演后果、生成像素。结果是不可见但应持续生效的变化很容易丢失。Code World Model 的关键不是“用代码生成视频”，而是明确分工：

  1. LLM/coding agent 负责知识驱动、规则一致的 state transition；
  2. 可执行程序负责持久记忆与精确动力学；
  3. proxy representation 只传递 frame-wise entity motion、camera 和 layout constraints；
  4. video model 负责外观、运动细节和视觉先验。

论文构造 gameplay / real-video 的 proxy–observation 配对管线，并对 MiniMax-H3 做 paired-gameplay fine-tuning；当前证据主要是简单交互世界中的定性结果，证明 proxy 可控制角色位置、轨迹、布局和镜头，同时维持视觉细节。

与 wenjun 方向的关系：这是 LLM model-based RL + Code Agent 的直接结构启发。迁移到软件环境时，可执行世界状态可以是 repo graph、test state、dependency、runtime resource 与约束；observation model 只负责把结构状态映射回 Agent 可消费的摘要或界面。更进一步，latent state 不必替代代码，而可表示代码世界模型尚未显式化的不确定性。

研究判断与边界：概念很强，但离 Dreamer 式闭环控制还有距离：没有学习完整的 action-conditioned transition、uncertainty/value，也没有量化长时一致性、规划收益和真实交互速度。它目前更像“神经渲染器 + 可执行 symbolic dynamics”的研究纲领，不能据此宣称已解决通用 world model。

#2. JIT-Agent：把 Harness Intelligence 变成可训练、可迁移、可累积的能力

  • 类别：LLM Agent / Self-evolution / Harness / Post-training RL
  • 标题：JIT-Agent: Scaling Harness Intelligence via Just-in-Time Harness Evolution
  • 来源与日期：arXiv:2608.25593，2026-08-26；Hugging Face Papers 2026-08-27
  • 代码 / 项目页：bingreeky/JIT · JIT-Agent project
  • 一句话核心贡献：训练一个 27B harness model，按任务与 capability registry 即时合成 memory、planning、action、capability orchestration 四模块 scaffold，并学习编译/运行失败修复以及 archive-frontier 改进。

为什么值得关注？

过去 Meta-Harness / AutoHarness 更像 ahead-of-time search；JIT-Agent 试图把搜索结果蒸馏成“生成 harness 的模型”。三阶段训练正好对应部署生命周期：

  • Stage I：强 teacher 生成 task-conditioned、协议兼容的 customization 样本；
  • Stage II：把 compiler error、接口不匹配、runtime failure 变成 bounded repair trajectory；
  • Stage III：Evo-GDPO 分别归一化 reward、latency、cost，奖励超过当前 archive frontier 的 harness；
  • 推理时 generator 固定，但 harness archive 仍可随执行反馈扩张。

论文报告：JIT-Agent 辅助 DeepSeek-V4-Flash 后，在 DeepSearchQA、PinchBench、OdysseyBench 上分别超过 GPT-5.6 9.1、8.7、4.3 points；GLM-5.2 在 xBench-DS / AgentIF 上获得 +12.0 / +6.9 points，并声称与 OpenCode、Claude Code 等成熟 runtime 有竞争力。

与 wenjun 方向的关系：这把 Agent 的外部结构看成另一套 policy parameter。对 model-based RL，可预测“某种 harness 配置对任务状态分布、失败类型、cost 的影响”；对 Code Agent，则可把失败信用分给 memory、planner、action protocol 或 tool registry，而不是只更新 backbone。

研究判断与边界：headline 很强，但四模块协议远简于生产 runtime；结果还混合了 generator、archive retrieval、额外 test-time execution 与 strong teacher data 的收益。最需要 matched-call / matched-token、unseen tool registry、跨 benchmark archive transfer，以及“旧 archive 是否造成负迁移”的审计。

#3. Prefix Sliding：超长推理只保留“任务前缀 + 最近工作窗口”

  • 类别：Latent/Long Reasoning / Test-time Scaling / Context Compression / Systems
  • 标题：Prefix Sliding for Efficient Test-Time Scaling
  • 来源与日期：arXiv:2608.26070，2026-08-26；Hugging Face Papers 2026-08-27
  • 代码：Muennighoff/prefix-sliding
  • 一句话核心贡献：生成时永久保留含 system/task/tool 的 prefix，只对最近数千 reasoning token 做 sliding-window attention，使每个新 token 的 attention cost 不再随历史长度增长。

为什么值得关注？

它比“定期摘要 CoT”更激进：中间推理并不被压成文本 memory，而是直接丢弃。以 100-token prefix + 4,096-token window 为例，无论生成到十万还是百万 token，注意力只读约 4,196 token。论文同时处理训练端 OOM：长 rollout 只把尾部窗口送回 trainer，用 truncated backprop 近似梯度。

作者报告：无需训练即可在保持任务表现的同时最高约 3× faster；用 Prefix Sliding 做 RL 后可生成 100K+ token rollout，并优于中间摘要与普通 sliding window。论文明确说明收益来自同一时间内生成更多 token，而非每个 token 本身更好。

与 wenjun 方向的关系：对 latent-space reasoning，一个重要问题是“真正需要跨很长时间保留的是什么？”Prefix Sliding 给出的答案是稳定的 task/tool specification 加局部 recurrent work state，而不是完整显式 CoT。对长轨迹 Agent，可把 prefix 扩展为 typed working memory / constraint state，再把自然语言 scratchpad 视为可遗忘瞬态。

研究判断与边界：数学证明的“任意长”不等于语义上能完成任意长依赖任务。若关键证据只在早期中间推理出现、未写入 prefix 或环境状态，就会被不可逆丢掉；当前方法也依赖专门 kernel 与位置编码处理。必须按 dependency distance、backtracking depth 与 hidden-state recoverability 分层评测。

#4. EVOMAL：自演化 Coding Agent 会把恶意 Skill 改写成“自己的经验”并传播

  • 类别：Code Agent / Self-evolution / Agent Safety / Tool-use
  • 标题：EVOMAL: Self-Poisoning in Self-Evolving Coding Agents
  • 来源与日期：arXiv:2608.25776，2026-08-26
  • 一句话核心贡献：揭示 CREATE-path 攻击：被检索的恶意 skill 不必直接执行，只需诱导 Agent 在新 skill 中模仿 payload，新副本便以 Agent 自己的身份进入可信经验库并继续传播。

为什么值得关注？

现有 skill-security 多盯着 attacker-submitted artifact 的名称、签名或运行调用；EVOMAL 攻击的载体却是 Agent 后续创作的新 artifact。全文实验在 6 个模型、153 个 tool-relevant SWE-bench Verified 任务上得到 20.3%–41.8% Agent Self-Poisoning Rate，污染后 skill 数量为初始植入量的 4.9–9.0×。五轮 cascade 中，即使删除初始恶意 skill，DeepSeek-V4-Pro 的 ASPR 仍可达 68%。简单 counter-prompt 将 banner-style attack 降到至多 6.7%，但作者也承认这不是完整的 provenance / quarantine 方案。

与 wenjun 方向的关系：任何“从成功/失败轨迹自动抽 skill”的 self-evolving Agent 都面临同类问题。训练信号不能只检查 skill 是否可执行、是否提高 reward，还必须追踪来源 lineage、语义差分、权限与跨代传播风险。

研究判断与边界：这是今天对 self-evolution 最重要的反面证据。它还没有覆盖闭源生产 Agent 的真实 admission policy，counter-prompt 也可能被自适应攻击绕过；真正的解法更像 package manager：签名、sandbox、least privilege、taint tracking、派生 provenance 与 quarantine gate。

#5. Handoff Tax：多模型 Code Agent 的轨迹移交具有方向性

  • 类别：Code Agent / Long-horizon Agent / Context Management / Evaluation
  • 标题：The Handoff Tax: Continuing Non-Native Trajectories in LLM Agents
  • 来源与日期：arXiv:2608.24358，2026-08-25；Hugging Face Papers 2026-08-27
  • 一句话核心贡献：在 Claude 与 GPT 的低成本/高能力模型对上系统改变交接方向、时间和信息接口，发现弱→强升级与强→弱降档需要相反的 context policy。

为什么值得关注？

完整弱模型轨迹交给强模型，只能回收不到一半的 LC→HC 质量差距，却支付显著额外成本；删除弱模型推理、仅保留 repository working tree，升级质量反而更好。相反，强→弱降档时删除强模型轨迹会让质量下降，说明低能力模型需要强模型留下的 reasoning scaffold。作者总结得很直接：LC trajectory burdens HC，HC trajectory guides LC。

与 wenjun 方向的关系：这说明 Agent routing 的 state 不只是“当前任务难度”，还包括 trajectory ownership 与 receiver compatibility。对 model-based routing，应预测的是 receiver × inherited-state representation → future success/cost，而不是为每个 step 独立选最强性价比模型。

研究判断与边界：结论基于两个模型家族与 coding setting，不能自动外推到 search/GUI Agent；而“remove trajectory”仍保留 repo edits，说明环境状态往往比自然语言轨迹更可移植。最值得做的是学习 directional handoff compressor，而不是统一摘要器。

#三、其他高相关论文与动态

#6. GRIN：用 Golden-GRPO 把持续知识注入从记忆变成吸收

  • 类别：Continual Learning / Post-training RL / Knowledge Injection
  • 标题：From Memorization to Absorption: Mixed-Policy RL for Continual Knowledge Injection
  • 来源与日期：arXiv:2608.25243，2026-08-26
  • 一句话贡献：当 novel facts 导致整组 on-policy rollout 全错时，注入 golden answer 作为 off-policy trajectory，保证每步都有学习信号；BLANK / COUNTER 分别测新知识获取和反事实旧知识覆盖。

相比只测单事实 recall，论文还测 multi-source retrieval、inferential reasoning 和 fail@k（旧信念是否在多次采样中重新出现）。作者报告 GRIN 在基本 recall 上与 SFT / mixed-policy baseline 相当，在组合、推理和覆盖上明显更强。它与 OPD 的关系值得注意：teacher trajectory 在“模型根本不会”时用于开路，on-policy rollout 在“已经会一点”后承担 exploration。

#7. KOPE：把编译、测试、profiling 结果组织成 Experience Graph Memory

同为 GLM-5.2，KOPE 的 per-operator speedup 几何均值为 CANNBot 的 1.54×；53-operator 消融中 active context management 将 pass rate 从 60.0% 提到 84.6%，token 从 15.9B 降到 1.113B；开启 Experience Graph Memory 后 full-suite pass rate 从 55.2% 提到 84.6%。需注意其环境是 Huawei Ascend/CANN，跨 GPU 与新 kernel family 的迁移仍待验证。

#8. Agentic Game Development：把“造环境”变成 World Model 的可验证轨迹数据引擎

  • 类别：World Model / Environment Design / Post-training RL / Pretraining Data
  • 标题：Agentic Game Development as a Verifiable Trajectory Data Engine for Scaling World Models
  • 来源与日期：arXiv:2608.25518，2026-08-26
  • 一句话贡献：提出 RLHEV，以 game engine 的碰撞、物理、可导航性、可玩性检查提供 dense reward，以开发者是否接受提供 global reward，把 prompt→scene program→render→check→repair 全轨迹回收为下一轮数据。

这是“通过环境设计催生自演化智能”的直接论文：代码 Agent 强在 compiler/runtime verifier，空间 world model 也需要自己的执行反馈源。论文在 UnitySceneBench、跨 Unreal/Godot 及 R2R、MuJoCo / D4RL 上给出支持性实验，但作者明确将其定位为 research agenda + controlled evidence，而不是大规模闭环已完成。

#9. Rollout-Decoded Reconstruction：让 Decoder 在训练时见到 World Model 自己漂移后的 Latent

  • 类别：Model-based RL / Latent World Model / Training Mechanism
  • 标题：Rollout-Decoded Reconstruction for Long-Horizon Prediction in Latent World Models
  • 来源与日期：arXiv:2608.25017，2026-08-26
  • 一句话贡献：训练时 free-run latent transition、逐步 decode 并对 ground truth 加 reconstruction loss，缩小 decoder 训练在 posterior latent、部署却读 rollout-drift latent 的分布差。

在 chaotic Kuramoto–Sivashinsky 单一系统上，valid prediction time 从 3.87±0.23 提到 6.97±0.42（1.80×），10/10 预注册配置方向一致。机制与 Dreamer 很相关，但证据仅限单一低维 PDE；对图像、离散 latent、action-conditioned Agent world model 是否有效尚未测试。

#10. Stale Constraints：Agent Memory 需要 freshness / supersession 信号，而不只是 relevance

native allocation 在约束已过期时产生 74.7%–77.3% stale-consistent decision；预算不变、只重分配一条验证路径，current-record consistency 提升 61.3–74.0 points。这个 intervention 使用了实验者知道的 critical path，不是现成 scheduler，但它证明了错误主要来自 verification allocation，而非推理能力不足。

#11. ConfAL-WM：用 Dense Confidence Map 选择 World Model 后训练数据

RoboTwin2.0 上它优于 scalar reward、progress 与 judge-based selection。对 LLM world model 的对应物可以是 token/action/state-field 级 epistemic risk：只在预测不可信且会改变 policy 的区域请求真实 environment transition。

#12. 两个新开源基础模型热点：Qwen3.8-Flash-Next 与 GLM-5.3-Flash

#Qwen3.8-Flash-Next

  • 类别：Foundation Model / Systems / Long Context / Training Mechanism
  • 链接：HF model · technical report repo
  • 来源与日期：Hugging Face，2026-08-24 创建，2026-08-27 更新；截至核验时 HF trending #1
  • 一句话贡献：公开面向 Qwen4 的实验架构：125B total / 6B active，加 51B n-gram embedding 与 4B MTP；以 Gated DeltaNet + block-level Qwen Sparse Attention、Gated Residual 支持 262K native / 1M extensible context。

训练机制上尤其值得看：Muon 与 AdamW 按 weight category 分工；根据重新拟合 scaling law 取消传统 batch-size warmup，直接从 target batch 开始。模型卡是官方自报结果，独立质量、吞吐、长上下文精度和训练稳定性仍需复现。

#GLM-5.3-Flash

  • 类别：Foundation Model / Code Agent / Long Context / Systems
  • 链接：HF model · official repo
  • 来源与日期：Hugging Face，2026-08-25 创建，2026-08-27 更新；MIT license
  • 一句话贡献：320B total / 18B active 的原生多模态模型，以 sparse + linear attention、mHC 和 30T-token multimodal pretraining 强调 agentic long context 与低 serving cost，并支持 reasoning_effort 控制 thinking budget。

模型卡宣称在 coding/agentic benchmark 接近 Claude Opus 4.8、价格为 GLM-5.2 的十分之一；这些都是发布方口径。更有研究价值的是其评测配置本身：HLE tools 使用 163,840 max generation，NL2Repo 用 1M context，DeepSWE 用 400K context，说明 Agent 能力比较已高度依赖 context management 和 harness。

#四、今日最值得精读的 3 篇

  1. Code World Model：最贴近 LLM model-based RL + executable state；重点看 world evolution / rendering 解耦、proxy compiler，以及哪些状态必须显式持久化。
  2. JIT-Agent：最贴近 self-evolving Agent；重点看 customization→repair→Evo-GDPO、四模块 credit assignment、archive frontier 与额外 compute 控制。
  3. Prefix Sliding：最贴近 latent/long-horizon reasoning；重点看“旧 CoT 可直接遗忘”的实证、位置编码、truncated backprop 与 100K+ RL rollout。

强烈候补：做安全读 EVOMAL；做多模型路由读 Handoff Tax；做持续学习读 GRIN；做基础模型训练机制跟进 Qwen3.8-Flash-Next。

#五、今日最值得跟进的 3 个 repo / model / dataset

  1. Repo — bingreeky/JIT：GitHub API 核验 2026-08-27 仍在 push；适合拆解 harness protocol、HarnessFactory、repair data 与 Evo-GDPO。注意论文和代码发布时间很新，先检查训练/评测脚本完整度再投入复现。
  2. Repo — Muennighoff/prefix-sliding：包含 Prefix Sliding kernel / training 路径；最值得做 Agent dependency-distance stress test，而不是只复跑数学题平均准确率。
  3. Model — Qwen/Qwen3.8-Flash-Next：截至核验 HF trendingScore 3,873、约 3,955 likes；适合验证 QSA、Gated Residual、n-gram embedding，以及 Muon/AdamW 分工对训练和推理的真实收益。

额外数据推荐：

  • markov-ai/cad-1000-hours：1,021.64 小时、597 个 workflow、10 种 CAD/BIM/结构软件，含 30 FPS 视频、同步鼠标键盘、frame narration、task/rubric、输入和最终工程文件；可做专业 computer-use Agent pretraining / world model 数据研究。
  • openbmb/Ultra-FineWeb-L1：Common Crawl 的 L1 filtered layer，公开 trafilatura 2.0 主文抽取、语言/heuristic filtering、敏感字段替换、MinHash 去重等管线；更适合做数据质量与去重 accounting，而不是把它当今天刚发布的新数据。
  • Optima-CityU/Kope-Mem：可用于检查 Experience Graph 是否真的保留 alternative branch、outcome provenance 与 bounded retrieval。

#六、研究机会 / Idea

#Idea 1：Executable–Latent Hybrid World Model for Code Agent

把 Code World Model、RDR 与 wenjun 的 latent reasoning 主线合起来：

  • 显式层维护可执行 repo state：文件/符号/依赖/test/runtime/constraint；
  • latent 层只建模无法可靠符号化的变量：任务意图、未知 bug mode、patch risk、未来信息增益；
  • transition 同时输出 executable state delta 与 latent belief delta；
  • 训练时像 RDR 一样让 decoder 读取 free-running rollout latent，而非只读 ground-truth trajectory latent；
  • 用 sandbox execution 比较 predicted delta 和 actual delta，再决定 planner 是否需要真实环境交互。

核心问题：对 Code Agent，显式代码状态与 latent uncertainty 的最小充分分工是什么？它能否比全文 next-observation prediction 更省、更可校验？

#Idea 2：Directional Handoff Compressor + Prefix-Carried Belief State

把 Handoff Tax 与 Prefix Sliding 合并：

  • 弱→强升级：丢弃旧自然语言 reasoning，保留 repository state、失败证据、未决 hypothesis 与 binding constraints；
  • 强→弱降档：保留强模型产出的 compact plan、关键 rationale 和 stopping criteria；
  • 稳定字段写入 prefix，瞬态 scratchpad 用 sliding window；
  • 优化目标不是摘要 ROUGE，而是 receiver 条件下的 future success / cost / recovery；
  • 用同一 checkpoint 分叉执行，估计每类 inherited field 的因果价值。

核心问题：handoff representation 是否应同时依赖 sender 能力、receiver 能力和方向，而不是一个通用 context compressor？

#Idea 3：Provenance-Safe Self-Evolution：让 Skill 学习像安全的软件包生态

把 JIT-Agent / KOPE 的自演化与 EVOMAL / stale constraint 风险放进同一 admission pipeline：

  • 每个 skill/harness patch 保存 source lineage、retrieved ancestors、semantic diff 与执行权限；
  • 新 skill 先进入 quarantine sandbox，不因 Agent 自己生成就自动可信；
  • verifier 不只测 task reward，还测 side effect、taint propagation、constraint freshness 与 held-out transfer；
  • skill 派生图上运行 self-propagation simulation，检测 payload 是否跨代扩散；
  • archive retrieval 同时按 relevance、freshness、provenance risk 与 uncertainty 排序。

核心问题：能否定义“经验更新的可验证闭包”：被接受的 skill 不仅当前任务有效，而且其派生后代在权限与语义边界内仍安全？

#七、今日研究判断

今天最连贯的主线不是某个更大的模型，而是：

Agent 正在把“思考”外化为多种不同寿命、不同可信级别的状态：可执行世界状态、即时 harness、固定 prefix、滑动 scratchpad、经验图、skill archive 与 inherited trajectory。真正的研究问题是哪些状态该保留、由谁更新、怎样验证、如何安全移交。

  • Code World Model 用代码承载持久世界后果；
  • JIT-Agent 把 harness 变成可生成、可修复的外部 policy；
  • Prefix Sliding 主张旧的中间推理可遗忘；
  • Handoff Tax 表明轨迹价值依赖接收模型与交接方向；
  • GRIN 说明新知识在 policy 还不会时需要 off-policy bridge；
  • KOPE 证明执行反馈经过结构化后可替代无限历史；
  • EVOMAL 与 stale-constraint study 则提醒：可积累状态如果缺少 lineage、freshness 和 admission control，会把错误或攻击一起复利。

对 wenjun 当前主线，我最看好的是：

建立一个 executable–latent hybrid 的 Code Agent world model：显式状态负责可审计转移，latent state 负责不确定性与意图；harness/skill 是高层 action，prefix 是持久 belief/constraint，scratchpad 是可遗忘工作区；所有更新都通过 sandbox rollout、provenance 与 directional handoff 实验验证。

这条路线能把 model-based RL、latent-space reasoning、self-evolving Code Agent、持续学习、上下文压缩与 agent pretraining data 放进同一个可做因果干预的系统框架。

鼠鼠研究站 · 自动整理调研 / 论文 / 历史主题