每日调研 2026-10-19 ★★★★☆ daily AI LLM Agent Code Intelligence Research Briefing

#2026-10-19 AI/LLM 最新论文与研究热点简报

检索时间：2026-10-19 08:00 (Asia/Shanghai)。覆盖说明：截至检索时点，arXiv 公开 API 的最新全量提交批次仍为 2026-10-15（10-16/10-17 提交尚未通过 API 公开，10-18 榜单未生成，HF Daily Papers 10-17/10-18 返回空）。为保证质量，本期对 10-15 批次做深挖补全——上期简报（2026-10-17）只覆盖了该批次约一半的重点论文，本期补齐其中与 wenjun 方向高度相关但漏掉的 ~15 篇，并补充 HF Daily Papers 10-16 榜单中上期未提及的条目与 GitHub weekly trending。整体时间范围：最近 3-7 天（10-12～10-15 批次为主）。
核心来源：arXiv API（cs.AI/cs.CL/cs.LG/cs.SE 按提交时间倒序 + id_list 精确核验摘要）+ Hugging Face Daily Papers（10-16 榜单，50 篇）+ GitHub Trending（weekly，HTML 解析）。X/Twitter 不可直接访问；GitHub REST Search API 撞上未认证限流（60 次/小时），故 GitHub 部分改用 trending 页面解析，已注明。
主题观察：补全后本批次的完整图景更清晰——"agent 的自演化"从模型层（EvolvingBrain、Terminal-RSI）扩展到 harness 层（Self-Evolving Agent Harness、Doc2Harness、context-mode）、甚至理论层（The Self-Improvement Problem 形式化了自改进门控的不可能性）；世界模型一侧则出现"记忆参数化"（Memory as Weights、World-T3）与"显式代码世界模型"（Mallea、D-World）两条新路径；code agent 侧的信号是"压缩器退潮、整文件进"（Skip the Compressor）与"SWE 数据合成规模化"（SWE-at-Scale）。

#一、核心论文精选（按与 wenjun 方向的相关度排序）

#1. Co-Evolving Acting and Forecasting for Language Agents (CoPE) ⭐ 重点

链接：https://arxiv.org/abs/2610.20597
来源：arXiv（cs.CL/cs.AI/cs.LG）
日期：2026-10-14 提交（v2 更新于 10-16 前后）
类别：Model-based RL / LLM Agent / Post-training RL
一句话核心：针对"agentic RL 只学 terminal scalar reward、中间步监督浪费"的问题，在 value targets 与 observation targets 之外提出第三类多步动作目标（action targets）：让 policy 与一个 forecast 模块共演化，互相提供训练信号，绕开长 horizon rollout 的成本瓶颈。

为什么值得关注：这是"policy + 预测模块共演化"思路的一次干净落地。此前 value-based 中间监督要从同一条 scalar reward 反推 per-step 成功率（噪声大），observation-based 目标要拟合又长又噪的网页/终端输出（目标难构造）；CoPE 换成"预测未来动作序列"这个自监督目标——动作序列天然存在、长度可控、且直接编码了策略层面的因果结构。它与 ANTE（2610.15368）形成互补：ANTE 用已验证信念构造 code agent 的 WM 监督，CoPE 用 action forecasting 构造通用 agent 的中间监督。

与 wenjun 研究方向的关系：直接命中 model-based RL for LLM Agent / Dreamer-for-LLM 主线。"学什么目标"正是这条线当前的核心分歧点（DGS-WM 学决策相关观测、ANTE 学验证信念、CoPE 学未来动作、OneWM 学统一因果目标）——四篇放在一起已经能写出一节完整的相关工作对比。CoPE 的 action target 也可视作"policy 作为自身的 world model"的退化形式，与你关心的 latent-state 表达有直接理论接口。

#2. Skip the Compressor: Coding Agents Fix More Issues When They Pick Whole Files ⭐ 重点

链接：https://arxiv.org/abs/2610.21073
来源：arXiv（cs.SE）
日期：2026-10-15 提交
类别：Code Agent / Context Compression
一句话核心：在等 token 预算下，把预算花在"选择哪些文件整只进上下文"比用检索器排序 + 压缩器删改更能提高 SWE 修复率——因为 patch 需要"必须改的文件 + 原样代码"（模型要逐字复现被编辑的行），检索按相似度排序选不对、压缩删掉恰恰需要的细节。

为什么值得关注：这是对"上下文压缩万能"叙事的一次有冲击力的实证反驳。它指出一个此前被混淆的区分：文件选择（selection）≠ 文本压缩（compression）——前者是保留粒度整只文件的"取/舍"决策，后者是对已选内容的信息有损变换。对 patch 任务，前者对了后者才有意义。这与上期 Mosaic（多 session RL 处理压缩边界）形成正反面：Mosaic 接受"部署中必然有压缩"并让训练适配它，本文则质疑"在 coding 场景压缩本身就可能是错误工具"。

与 wenjun 研究方向的关系：同时命中你的通用上下文压缩器与代码 Agent 两条线，且给出一个重要设计约束：通用压缩器的价值主张在"必须逐字保留待编辑内容"的任务上不成立。若继续做压缩器方向，本文是必引的反例与边界刻画；反过来，"选择哪些文件整只进上下文"本身可以是一个被 RL 优化的动作（选择即动作，与上期"压缩即动作"的 idea 互为镜像）。

#3. Mallea: Building, Steering, and Memorizing Worlds with Coding Agent ⭐ 重点

链接：https://arxiv.org/abs/2610.21283
来源：arXiv（cs.AI）
日期：2026-10-15 提交
类别：Code Agent / Model-based RL / 环境合成
一句话核心：把 code world model（显式状态 + 可执行规则的world 动力学表示）做成一个可由 coding agent 构建、转向、记忆的"世界工厂"：agent 从文本推断物体交互需求，联合规划对象结构/属性/规则（偏好紧凑表示），世界在规则下演化，用户动作可实时转向，文本请求可编辑属性且保留未受影响的状态，另有纹理记忆支持外观复用。

为什么值得关注：它把上周"环境合成"线（Data World / Tev / ProgramGym）推进到了"世界本身是可编程数据结构"的形态——不是一次性生成环境，而是持续可编辑的世界资产。与 D-World（2610.17114，机器人侧用"数字孪生代码 + 仿真搜索 + 执行后修正"）合看，"显式代码世界模型"正在成为与"潜空间世界模型"（CoDA、DGS-WM 一系）并行的新范式：显式可检查/可修正 vs 隐式可微/可泛化。

与 wenjun 研究方向的关系：三线交汇（Code Agent + Model-based RL + 环境设计催生自演化）。Mallea 的"从文本需求推断最小规则集"本质上是在做"环境规范学习"——你关注的"环境规范即奖励来源"论点有了第二个实例。且 code world model 的可执行性天然提供 verifiable reward，是连接你两条主线的天然实验床。

#4. SWE-at-Scale: Scalable Issue Synthesis from Historical Bug Fixes ⭐ 重点

链接：https://arxiv.org/abs/2610.21359
来源：arXiv（cs.SE）；HF Daily Papers 10-16 上榜
日期：2026-10-15 提交
类别：Code Agent / Pretraining Data / Evaluation
一句话核心：通过逆向工程真实世界的修复 commit（从历史 bug fix 反推"会触发这个修复的问题"）指数级规模化合成 SWE 训练/评测任务，而非靠大模型预训练知识 + 启发式 prompt 凭空编 issue——后者难以复现真实软件失效的复杂机理。

为什么值得关注：SWE 训练数据供给一直是 code agent RL 的硬瓶颈：真实 issue 天然频率受限、人工标注昂贵、凭空合成的 issue 常常"假"（不反映真实失效模式）。"从修复反推问题"是一个漂亮的因果倒置——答案已知、反推题目，比"出题再求答案"可控得多。与上期 WEAVE（跨 PR 依赖结构任务）、SWE-Stream（渐进可执行数据）一起，"SWE 数据合成"已是一个成型的子领域。

与 wenjun 研究方向的关系：直接服务你的代码数据质量 / agent 预训练数据关注点。它给出的方法论（逆向 commit 合成）可平移到"agent 轨迹数据"的合成上：从成功的任务解决过程反推"值得训练的失败起点"。此外这类数据的"真实性"由 git 历史锚定，是天然的可验证溯源标签——这与你关注的数据质量评估（DCLM/FineWeb 谱系）可以互相校准。

#5. The Self-Improvement Problem ⭐ 重点

链接：https://arxiv.org/abs/2610.21646
来源：arXiv（cs.AI）
日期：2026-10-15 提交
类别：LLM Agent / 自演化（理论）/ Safety
一句话核心：形式化"安全自改进"的核心难题：自动门控（reward model / automated reviewer）必须是可终止的可计算过程，而"一次更新是否为真正的语义改进"这个属性依赖于无界程序行为——用程序建模 agent、用不可计算性刻画这一错配，证明自动门控原则上无法可靠判定自更新应否被接受。

为什么值得关注：为当前火热的 RSI/AI4AI 浪潮（本周 Athanor、MLExpert、AutoSFT、Terminal-RSI）补上了被普遍缺失的理论底座。所有这些系统都内置一个"接受/拒绝"自动门控，而本文说明这个门控的可靠性存在结构性上限——这为整个"self-improving agent"议程划定了形式化边界（与自指/哥德尔式论证一脉相承，但落点在工程可感的 gate 设计上）。

与 wenjun 研究方向的关系：直接支撑你的通过环境设计催生自演化智能关注点。它提示：与其把可靠性押在自动门控上，不如把"验证"外包给环境本身的可执行规范（可终止、可判定的验证器恰是绕过不可计算性的现实出口）——这正好回到你"环境规范即奖励"的直觉，为该论点提供了理论论证角度。做 self-evolving code agent 相关论文时，这篇是必引的框架性引用。

#6. Learning Intrinsic Dynamics in Latent World Models ⭐ 重点

链接：https://arxiv.org/abs/2610.21612
来源：arXiv（cs.LG/cs.AI）
日期：2026-10-15 提交
类别：Model-based RL / Latent Reasoning
一句话核心：提出用动作可预测性（action predictability，从连续潜状态重建出动作的能力）作为正则目标：鼓励潜状态保留"动作→后果"的内在动力学，防止表征丢弃不同动作及其后果之间的区分性（视觉上无关但控制上关键的变化）。

为什么值得关注：与 DGS-WM（决策相关选择建模）同一问题意识的不同解法：DGS-WM 在目标侧（学哪些观测）做选择，本文在表征侧（保留哪些区分性）做约束。"潜状态必须能反推动作"是一个廉价且通用的充分条件——若两状态无法区分导致不同后果的动作，它们对控制就是无用的。这类"逆动力学一致性"正则在 LLM agent 的潜状态上还几乎没人系统做过。

与 wenjun 研究方向的关系：同时服务 model-based RL 与 latent-state 分组/推断。在 LLM agent 的潜空间里，"从潜状态重建本步动作"可以退化为"从潜状态预测本步 tool call 的可辨识性"——一个立刻可做的移植实验。与上期 T2-z（测试时优化环境潜变量）合看，潜变量的"内容约束"（该编码什么）与"使用方式"（何时推断）两条轴正在分别被补齐。

#7. Memory as Weights: Internalizing Long-Term History for Streaming Videos (MaLoW)

链接：https://arxiv.org/abs/2610.22070
来源：arXiv（cs.CV/cs.CL）；HF Daily Papers 10-16 上榜
日期：2026-10-15 提交
类别：Latent Reasoning / Continual Learning / 流式理解
一句话核心：不再把历史记忆压缩后塞回输入上下文（与当前观测竞争有限 context），而是用 recurrent HyperNetwork 把历史增量固化到轻量参数更新里——"记忆即权重"，流式 VLM 的长期一致性与响应性兼得。

与研究方向的关系：与你关注的潜空间推理 / 上下文压缩直接相关——这是"压缩进上下文"范式之外的另一条根本路径：压缩进参数。与 World-T3（2610.17434，视频世界模型把 test-time training 当持久记忆）、上期 Hy-Memory（RL 训练记忆写入）合看，"记忆参数化"正在成为独立方向。对 LLM agent 的开放问题：agent 的经验沉淀为参数 vs 沉淀为可检索文本，各自的适用边界在哪里。

#8. Self-Evolving Agent Harness

链接：https://arxiv.org/abs/2610.18813
来源：arXiv（cs.AI）；HF Daily Papers 10-16 上榜
日期：2026-10-13 提交
类别：LLM Agent / 自演化 / 理论
一句话核心：系统化"harness 自演化"：在不改模型权重的前提下修订 agent 的软件脚手架（prompt、记忆、workflow、可执行组件），形式化"反馈驱动 + 接受的修订跨运行持久"的过程，区分解释态与代码/工具/插件层的更新目标，并用进化优化 + continual PAC-learning 刻画其可靠性，给出期望泛化界与条件保留界。

与研究方向的关系：与 The Self-Improvement Problem 互为表里——后者证明自动门控的理论上限，本文给出 harness 层（恰好是可计算性较好的层：改动可以被静态检查、沙箱执行）自演化的形式化框架。与 GitHub 本周爆火的 mksglu/context-mode（见第二节）互相印证：工程界的 harness 演化已经先于理论跑起来了。

#9. OPRD: On-Policy Reminder Distillation for Long-Horizon Coding Agents

链接：https://arxiv.org/abs/2610.21496
来源：arXiv（cs.SE/cs.CL）
日期：2026-10-15 提交
类别：Code Agent / Post-training RL
一句话核心：诊断发现长程 coding agent 常常对上下文中已有的相关信息不作为，而 Pass/Fail 只给稀疏过程监督；OPRD 用"多范围提醒（reminder）"监督 + reminder-free 学生 rollout 上的结果路由做 on-policy 蒸馏——成功 rollout 提供"在恰当位置自我提醒"的自模仿目标。

与研究方向的关系：命中的正是 long-horizon code agent 的 credit assignment："上下文里有但没用上"是一种此前几乎未被显式监督的失败模式。它与上期 SERO（可执行 oracle 续跑）互补：SERO 补"错误后的正确路径"，OPRD 补"正确时机的信息利用"。提醒位置的监督信号构造方式对长轨迹 RL 的 step-level 标注有直接参考价值。

链接：https://arxiv.org/abs/2610.20786
来源：arXiv（cs.AI/cs.CV）
日期：2026-10-14 提交
类别：LLM Agent / 自演化 / 持续学习
一句话核心：以自适应技能系统作为多模态 agent 在开放世界自演化的"大脑"：从自身轨迹分层抽取"程序性模式/问题性模式"（SFT 学前者、刻意规避后者），再按行为变化对技能做分级固化（该保留的保留、该淘汰的淘汰）。

与研究方向的关系：上期 EvolvingBrain 未被覆盖，本期补上。它与 SkillScaffold（2610.18807，policy 自适应的技能信用分配与选择性注入）、WorkRover（2610.18067，递归环境演化规模化长程 agent 训练）共同构成"技能/环境双演化"线，与你关注的经验复用 / 从指令理解走向意图理解中的"程序性知识沉淀"直接对应。

#11. One Task, Many Interfaces: Cross-Interface Consistency Training (CIPR)

链接：https://arxiv.org/abs/2610.20576
来源：arXiv（cs.LG/cs.AI/cs.CL）
日期：2026-10-14 提交
类别：Post-training RL / LLM Agent
一句话核心：发现"agent 能力被绑定在训练时用的界面记号上"——语义保持的扰动（重命名动作、换记号）就显著掉分，而逐样本独立打分的界面随机化只是把依赖从单界面拓宽到界面分布；CIPR 用同一任务多界面 rollout 间的一致性自监督正则让能力真正落到任务语义层。

与研究方向的关系：与你关注的"从指令理解走向意图理解"有直接的理论呼应——界面扰动不变性恰是"理解意图而非表面记号"的操作化定义。方法上它给了跨轨迹一致性目标的一个新用法（与上期 OneWM 的跨视角一致性问题同构），可平移到工具 schema 变体、prompt 方言等场景。

#12. More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning

链接：https://arxiv.org/abs/2610.19789
来源：arXiv（cs.LG/cs.AI）
日期：2026-10-14 提交
类别：Post-training RL / Evaluation
一句话核心：对 agentic RL 中的十种自蒸馏方法在 ALFWorld/ScienceWorld/Search-QA/WebShop、三个模型规模上做统一对照：发现大量已发表收益在统一条件下无法复现或大打折扣，且训练稳定性与计算成本差异巨大。

与研究方向的关系：做长轨迹 RL 实验设计时的"防自欺"参考文献——同类方法横评揭示的复现性问题（发布分数 vs 统一条件）在该子领域普遍存在。写论文的 baseline 选择与实验协议章节可直接引用其结论。

#13. DeltaStreamer: Towards Human-Like Agentic Streaming Video Understanding

链接：https://arxiv.org/abs/2610.19849
来源：arXiv（cs.CV/cs.CL）；HF Daily Papers 10-16 上榜
日期：2026-10-14 提交
类别：LLM Agent / 上下文压缩 / 流式理解
一句话核心：流式视频理解要"在不知道未来查询的前提下预先保留证据"——DeltaStreamer 用变化感知记忆 + 查询驱动规划 + 定向取证回放（replay）三件套：查询到来前持续观察并只记忆事件转移，查询到来后定向回放取证。

与研究方向的关系：把上期"为未来而压缩"（Librarian Agents / GACC-Bench）的主题在流式模态上再推一步："预先保留什么"与"事后定向找回什么"是一个双向问题。其"查询前 delta 记忆 + 查询后取证回放"的分解，对通用上下文压缩器的"写策略 + 读策略"分离设计有直接启发。

#14. Beyond Context Length: Characterising the Difficulty of Long-Context Reasoning

链接：https://arxiv.org/abs/2610.22067
来源：arXiv（cs.CL）
日期：2026-10-15 提交
类别：Evaluation / 上下文理解
一句话核心：等长上下文的难度天差地别——用证据范围（evidence scope）等三个属性定量刻画长上下文任务的难度结构，而非只看长度。

与研究方向的关系：长上下文评测的方法论升级，与上期"Beyond Downstream QA 重评 agent 记忆"同属"把评测变量从表面指标换成结构属性"的潮流，可作为长轨迹/长上下文实验的难度分层依据。

#15. 其他值得扫一眼的（一句话版）

EliteReplay（2610.22290，10-15）：GRPO + quality-diversity 精英档案的后训练配方，对抗 RL 后训练的"解空间收窄（behavior sharpening）"——对保持推理多样性有直接价值。
OpenGCUA（2610.22200，10-15，HF 上榜）：通用计算机使用 agent 的全开源栈，对齐 GPT-6 Astra 式"视觉 + 程序双界面"路线，可作为 CUA 实验的开源基座。
Poison Valleys（2610.21514，10-15）：诊断 code repair 的路径依赖失败——错误机制放进 hypothesis vs plan，最终测试只能暴露 patch 错、暴露不了"哪一步承诺错了"。对长轨迹 credit assignment 的失败模式刻画有参考价值。
Improving Environment-Agnostic Coding Agents: The Role of Scaffolding（2610.22289，10-15）：用 ARC-AGI-3/AGI Maze/Terminal-Bench 量化"脚手架优势为何在强模型上依然存在"——harness 研究的实证补充。
Doc2Harness（2610.20344，10-14）：第一个直接评测"harness 工程"本身的基准（从接口契约骨架 + 开发文档构建 harness）。
HTN-Orchestrate（2610.22195，10-15）：用分层任务网络做多 agent 编排，把"全局任务分解"与"局部动态调度"分两层。
The Code of Theseus（2610.20068，10-14）：对齐的"设计文档 ↔ 源码"重建任务，把 agent 从"实现者"推向"重建者"。
3DCodeVerse（2610.22341，10-15）：200 万条可执行 3D 代码数据集 + coding harness 的空间推理生态——"世界即代码"数据侧的又一个规模化实例。
A team of Gemini 4 Argon agents beats Minecraft（2610.22319，10-15）：四 agent 无预设角色/无人工逻辑通关 Ender Dragon，纯 in-game chat + 共享记忆协调——多 agent 涌涌协调的标志性展示。
LEASH（2610.22280，10-15）：computer-use agent 的不确定感知弱到强升级（何时把控制权交给大模型），与上期 EdgeWise 互补方向。
OS-Helix（2610.22234，10-15）：统一 GUI 交互与代码执行的原生 computer-use agent 架构。
Rethinking the Role of Tool Graph Memory（2610.21571，10-15，HF 上榜）：反直觉发现——工具图记忆带来的增益多来自"额外计算"而非记忆本身，9 个模型 2 个基准上很少显著超过 baseline。工具记忆的"价值归因"警示。
Beyond Policy Rollouts / EDEN（2610.16105，10-12，HF 上榜）：在 embedding 空间用锚定噪声做定向探索，解决小 rollout 组内轨迹高度相似、组相对优势信号弱的问题——RLVR 探索的新入口（改 rollout 源头而非采样温度）。
PRM4RL（2610.22056，10-15）：LLM 世界知识驱动的进度奖励模型，用于长时程稀疏奖励 RL 的奖励塑形。
Writability and the Pathway（2610.21553，10-15）：受控研究"知识写进寻址记忆后是否可迁移/是否破坏未目标行为"——记忆写入的可迁移性与副作用问题。
Patch where the text is new（2610.22100，10-15）：BLT 字节级模型用 LZ77 式 novelty patching 决定 patch 边界，修掉"行内计算结果处不开 patch"的精度坍塌——字节级模型的算力分配与压缩视角。
Multi-SFT（2610.22086，10-15）：50 万条、五欧洲语言、商业许可干净的 SFT 数据集——指令数据"许可干净"维度的新供给。
Causal Syntax Circuits in CodeLMs（2610.20683，10-14）：十个开源代码模型上定位"prompt 没写语言就默认写 Python"的因果电路——代码模型机制可解释性的严谨规模化样本。
Temporal Adaptive Fine-Tuning for Code Comprehension（2610.19970，10-14）：把仓库演化建模为时序适应问题（新知识注入/旧知识抑制/邻域保持），repo 侧持续学习的直接相关基准式研究。
CoWorld Reasoner（2610.21910，10-15）：agentic 多模态推理框架，把视频世界模型当"视觉想象引擎"按任务灵活调用而非固定管线。

#二、GitHub / 模型 / 数据集动向

（说明：GitHub REST Search API 本周撞上未认证限流，以下来自 GitHub Trending weekly 页面解析，star 数为页面快照。）

mksglu/context-mode（~30.8k star，本周 trending）："Context window optimization for AI coding agents. Sandboxes tool output（工具输出沙箱化，声称 98% 缩减）、persists state"——工具输出治理 + 状态持久化的 harness 层方案，与上期 Mosaic/本期 Skip the Compressor 恰好构成三角：Mosaic 说"压缩造成多 session 轨迹"、Skip the Compressor 说"压缩选错对象"、context-mode 说"沙箱化工具输出才是主要杠杆"。工程界的答案先于论文出现了。
morluto/rea（~322k star，trending 第一）：agent 驱动的逆向工程（从 app 行为到原生二进制），连续第二周霸榜——agent 做真实系统级工作的标志性项目，上期已详述。
heygen-com/hyperframes（~66.7k star）："Write HTML. Render video. Built for agents."——为 agent 设计的"HTML 即视频"渲染管线，agent 原生创作工具的新形态。
cathrynlavery/diagram-design（~57.7k star）：面向 Claude Code/Codex/Cursor 等的编辑级图表设计（44 种图类）——"为 coding agent 设计的技能包"正在成为独立品类，与 anthropics/claude-plugins-official（~42.7k）、cursor/plugins（~12.7k）共同表明 agent 插件/技能生态在标准化。
MadsLorentzen/ai-job-search（~53.1k star）：本机运行的 AI 求职 agent 框架（基于 Claude Code）——Cron 式全自动 agent 应用的消费端样本。
模型/数据发布：3DCodeVerse-2M（200 万条可执行 3D 代码，见上）；Multi-SFT（50 万条干净许可多语指令数据）；OpenGCUA 开源栈（CUA 全栈）。

#三、今日最值得精读的 3 篇

CoPE: Co-Evolving Acting and Forecasting for Language Agents（https://arxiv.org/abs/2610.20597）——在 value/observation 目标之外提出 action target 作为中间监督的第三条路，policy 与预测模块共演化；与你 model-based RL 主线的核心分歧点（学什么目标）直接相关，且 v2 刚更新。
Skip the Compressor（https://arxiv.org/abs/2610.21073）——用干净实验把"文件选择"与"文本压缩"解耦，划定压缩器范式的适用边界；做通用上下文压缩器/Code Agent 前必读的边界刻画。
Mallea（https://arxiv.org/abs/2610.21283）——code world model 从"一次性环境生成"推进到"持续可编辑的世界资产"，与 DGS-WM（隐式选择）、D-World（显式孪生）合成"世界模型该以什么形态存在"的完整谱系。

（备选第 4：The Self-Improvement Problem，https://arxiv.org/abs/2610.21646——若本周要做 self-evolving agent 相关论述，这篇的理论框架值得先消化。）

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

mksglu/context-mode（https://github.com/mksglu/context-mode）——工具输出沙箱化 + 状态持久化的 coding agent harness 方案；它与 Mosaic/Skip the Compressor 的论文级讨论互为印证，是"harness 演化"在工程侧的最热实例。
SWE-at-Scale 数据管线（见 https://arxiv.org/abs/2610.21359）——"从修复 commit 反推 issue"的逆向合成法，是 code agent RL 数据供给瓶颈目前最有希望的规模化路径，其代码发布值得第一时间跟进复现。
OpenGCUA（https://arxiv.org/abs/2610.22200）——通用 computer-use 的全开源栈（视觉 + 程序双界面），CUA 实验的开源基座，可与 MAI-Gym/GUI 侧基建组合。

#五、研究机会 / Ideas

"压缩"与"选择"的分野需要一次系统性研究：Skip the Compressor 证明在 SWE patch 任务上"整只文件选择"胜过"检索 + 压缩"，Mosaic 证明压缩造成的 session 边界扰乱 RL，context-mode（工程侧）宣称工具输出沙箱化才是主要杠杆。三个证据共同指向一个未被形式化的区分：信息筛选问题里"取舍粒度"（selection, keep-or-drop 整对象）与"有损变换"（compression, 对已选内容删改）是两个不同动作。可做的实证问题：在哪些任务族上（patch 型 vs 问答型 vs 规划型）两条路线的优劣会翻转？一个可检验的假设是"输出需要逐字复现输入片段的任务"（patch、复述、引用）天然偏好 selection。这可以做成一篇干净的实证/基准论文。
潜状态的"动作可预测性"正则移植到 LLM agent：Learning Intrinsic Dynamics（2610.21612）用"从连续潜状态能重建动作"约束视觉 world model 的表征。LLM agent 侧的直接移植：在压缩器/记忆编码器的训练目标中加入逆动作可辨识性——从压缩后的状态表示应能预测本步发生了哪个 tool call（或其可辨识特征）。这与"压缩掉的恰是决策相关信息"的失败模式（上下文里有但 agent 不用，OPRD 的诊断）正面交锋，两个刚发布的诊断/方法（OPRD 的 reminder 蒸馏、Intrinsic Dynamics 的正则）可以组合成一个"信息保留性审计 + 修复"的完整故事。
自演化 agent 的"验证层选择"理论：The Self-Improvement Problem 证明自动门控的不可靠性上限，Self-Evolving Agent Harness 给出 harness 层（可静态检查、可沙箱执行）的形式化。中间有一个开放的工程设计问题正好落在你的"环境规范即奖励"直觉上：把自演化的接受判据从"模型门控"迁到"可执行规范门控"（类型检查、测试、沙箱不变量）时，安全性/能力/演化速度三者如何权衡？ 结合 Mallea 的可编辑世界（规范即代码）与 SWE-at-Scale 的逆向合成（git 历史锚定真实性），可以搭一个"验证器分级"的自演化实验床：无验证 / 启发式验证 / 可执行验证三档下 agent 自改 prompt/技能/工具的表现对比。

说明：以上所有论文均经 arXiv API 逐条核实（标题/日期/摘要），无编造条目；arXiv id 均为 2610.xxxxx 格式（对应 2026 年 10 月提交）。X/Twitter 无法直接访问，未纳入检索；GitHub REST Search API 因未认证限流（每小时 60 次）改用 Trending 页面解析，star 数为快照值。HF Daily Papers 10-17/10-18 榜单在检索时点尚未生成，如有遗漏将在明日简报补齐。上期（2026-10-17）已详述的论文（DGS-WM、ANTE、Mosaic、Hy-Memory、Data World、GACC-Bench 等）本期不重复展开。