Agent Harness 与自我改进范式多元化（在 4/4 天出现）

本周最密集的研究主线。从"反思文本微调替代 RL"到"harness 实例级自适应"再到"视觉 harness 达满分"，社区正从单一 RL 路线转向多元自我改进范式的探索期——核心问题是信用分配和探索效率，而 RL 只是其中一种答案。

• 2026-09-28：Shockingly Simple Self-retrospection Improves Agentic Models Without RL — 仅用反思文本微调媲美 GRPO，颠覆"Agent 改进必须 RL"共识
• 2026-09-29：RLTL;DR: Self-improvement by Internalizing Self-generated Feedback — 失败后写 TL;DR 洞见，Pass@1 从 0% 突破至 14-31%
• 2026-09-30：Turbo Harness: Instance-Adaptive Harness Optimization — 全局 harness 回收为实例级定制补丁，7 个 benchmark 全面优于基线
• 2026-10-01：VISTA: A Visual Harness for Reasoning in an Interactive World — 视觉 harness 在 ARC-AGI-3 达满分 100.00，用比人类少 57.4% 的动作完成全部游戏

RLVR 副作用与训练理论深化（在 4/4 天出现）

RLVR 研究从"能用就行"进入副作用可度量、可理论刻画的成熟期。token 级信用分配、on-policy 蒸馏多场景泛化、以及 RLVR 后训练的 语言漂移/覆盖率损失 被系统揭示。

• 2026-09-28：KV-streams for Efficient Compaction in Agentic RL — 流式 KV cache 实现 2.6–5x 训练加速
• 2026-09-29：Correct Answers, Invalid Traces — 31.6% 正确答案伴随无效 CoT trace，质疑推理监控有效性
• 2026-09-30：SCAPO: Semifactual Credit-Augmented Policy Optimization — 半事实干预度量 token 稳定性，AIME +5.63pp
• 2026-10-01：On Language Drift during RLVR Post-Training — 理论证明 RLVR 允许无界语言漂移，约束漂移必损奖励

安全威胁模型从静态走向动态（在 4/4 天出现）

蒸馏防御在 RL 后失效、自演化 Agent 产生内生不对齐、代码域安全泛化缺口、安全路由评测在分布偏移下失效——安全评估不能再只看"训练后那一刻"，静态威胁模型正在被淘汰。

• 2026-09-28：Distillation Defenses Easily Break After Reinforcement Learning — 蒸馏防御在后续 RL 后失效
• 2026-09-29：Correct, Don't Delete: Mitigating Emergent Misalignment — 纠正有害训练数据比删除更有效
• 2026-09-30：CodeMimicry: Exploiting Safety Generalization Lag — 结构化代码补全越狱，8 个商用 LLM 上 96.25% 成功率
• 2026-10-01：False Floors: LLM Safety Routing Evaluations Break Under Distribution Shift — 安全路由评测在分布偏移下失效

多模态视觉推理与高效生成（在 4/4 天出现）

从统一模型自反思改进图像生成、视觉 token 效率优化、到视觉 harness 在 ARC-AGI 达满分——多模态研究从感知到生成的闭环日趋成熟。

• 2026-09-28：Learning Native Reflection in Unified Models with Interleaved RL — 统一模型内 RL 训练反思，GenEval +12 分
• 2026-09-29：NeuronEye: Query-Guided Visual Concept Activation — 稀疏神经元词汇表实现概念级视觉推理
• 2026-09-30：EviRover: Reinforcing Agentic Perception Beyond a Glance — 4B 感知 agent 较骨干提升 30 分
• 2026-10-01：DMAD: Distribution Matching as Adversarial Distillation — 对抗蒸馏实现一步 ImageNet FID 1.04

线性注意力与高效推理量化（在 3/4 天出现）

线性注意力模型的 recurrent state 量化成为独立子方向；KV cache 压缩从 eviction 转向自适应配置。反映出 Qwen3、Kimi-Linear、GLM 等模型已进入工业部署阶段。

• 2026-09-29：LeapQuant — 训练无关 8-bit 量化，B200 端到端 1.47× 加速
• 2026-09-29：KV-Kaizen — 学习逐层 cache 配置，14B 模型 32× 压缩保精度
• 2026-09-30：Scaling Laws for Looped Mixture of Experts — 首个联合建模递归与稀疏性的 scaling law

"Harness 设计"成为解锁性能的下一层杠杆

本周 4 天的 daily 报告中，"harness"（执行框架）一词从 09-28 的零星出现到 09-30 的 6+ 篇集中爆发，再到 10-01 由 VISTA 在 ARC-AGI-3 达满分推向高潮。这些工作共同表明：在 frozen 模型能力趋于饱和时，外部架构设计——而非增大模型——是解锁性能的下一层杠杆。这一趋势与"Agent 自我改进从有奖励走向无奖励"并行：SelfSearch 不用奖励信号、RLTL;DR 用 verifier 输出替代任务奖励、ROFT 仅用反思文本微调。社区正在从"RL 挤出最后一点性能"转向"如何让 agent 在没有明确成功信号时也能进步"。

安全研究从"提出防御"走向"证明不可能性"

本周安全方向的一个重要转向：从"提出防御"转向证明防御不可能性。蒸馏防御在 RL 后失效、安全路由评测在分布偏移下失效、零知识监督被证明不可能、CoT trace 可靠性被根本质疑——这些工作不再是"提出更好的防御"，而是揭示现有安全范式的结构性天花板。这是研究深化的信号，但也意味着工业部署面临的真实安全鸿沟比预期更大。