8.26 日报

skill 论文集过了一遍

• 获取和优化环节太卷了。deprecation 没人做：环境一变，哪些技能悄悄失效，现在只能等它自己失败才知道。
• SkillOpt 把 skill 当外部权重来训，那 lr schedule、early stop 的对应物是什么，没人提。
• 单智能体 + skill 库 vs 多智能体，答案可能是在中间放个可演化层，harness 这块我们熟。

agent_papers 粗看 6 篇

• ReTree：把依赖一致修订搬过来，一个技能 precondition 失效，下游组合技能就能级联标记，不用各自失败一遍。
• TRCA：技能淘汰靠整条轨迹的成功率，归因太粗。rubric 算子做技能级 credit assignment，06909 那个归因 benchmark 也是干这个的。
• HyMem：源头隔离优于事后压缩。那技能描述注入该走 planner 还是 executor 上下文，乱注就是在制造稀释。
• MedClaw：用 100 条样例就蒸出技能，数据量不是瓶颈。
• MICROVERSE：技能描述也会漂移，记得快照。没别的。
• LoongReflect：反过来想，技能库缺“用错技能了 / 缺个技能”这种反思信号，这是演化的信号源。

细看两篇

• OpenLoopEvolve：控制策略也是资产，带版本谱系，靠 champion-challenger 定换不换。hook、middleware、loop 也该能版本化，和技能库共用一套演化机制。疑问：长程任务评估一次很贵，配对评估成本怕是要吃掉演化收益，得配廉价代理评估。
• Sleeping Agent：只诊断、没开药，压缩丢的是时间结构。那就拆开存，事实随便 gist，时间戳和先后关系进单独的 timeline，检索时拼回来。LoCoMo 上直接可验。

能做的（candidate ideas · 未验证）

• 1. 失效传播，ReTree + 技能依赖图。
• 2. 技能级信用分配，TRCA 式。
• 3. 时间轴单独存，LoCoMo 可验。

1 + 2 合起来是一个系统：回答该删谁、该留谁。

今日产出

• 调研材料：论文与数据集全景——事实层材料库：10 篇 2026-08 论文详解、WebShop/ALFWorld 顶会 31 篇、59 个 benchmark、课题八分类、查新占坑清单。
• 研究建议：课题定稿与行动计划——决策层文件：课题定稿、实验栈与时间表、CCF-A 投稿窗口、建议演变史。