Read this paper write-up in English
Safety Must Survive Self-Improvement: Why Failures Persist and How Agents Recover¶
复现级别：L1 核心机制诊断。 执行当前验证与 founder fallback 选择协议；未调用论文编辑模型，也未复现 Amazon Bedrock 实验。
论文信息¶
| 字段 | 内容 |
|---|---|
| 论文链接 | arXiv 2610.01073 |
| 公司/机构 | 原文首页未列第一作者机构（按第一作者署名单位） |
| 首次公开日期 | 2026-10-01（arXiv v1） |
| 原文开源代码 | 否：截至 2026-10-02 未找到原作者公开实现 |
| Adapter | safe-self-improvement |
| 本地复现代码 | src/auto_research/agent_research/latest_20261002.py |
原始论文总结¶
背景与主要改动¶
把检测、当前可执行实现选择和下一轮编辑源分开；所有候选必须对当前条件重新验证，若无候选通过则回滚 founder，而不是继续运行已失败 incumbent。
flowchart LR
I[输入/当前状态] --> M[safe-self-improvement 核心机制]
M --> A[可审计中间量]
A --> O[输出/更新状态]原论文关键图¶
原论文关键图：展示论文核心架构、训练流程或系统协议。图片来自原论文，版权归原作者所有；点击图片可查看来源。
核心公式¶
\(p_{run}=argmax_{p\in V_{current}} score(p)\)；若 \(V_{current}=\varnothing\)，执行 founder rollback。
论文离线与线上效果¶
历史分数在 48 条框架历史中的 22 条保留不安全程序；完整验证与 validated rollback 在核心轨迹研究中最终全正确，并保留超过 43% 部署节省。
本地复现¶
本地对照口径：基线为机制关闭或默认状态，实验组为开启对应核心算子；相对百分比不适用。本批指标只验证不变量、梯度或状态转换，不表示论文规模效果。
- 三种子诊断：
metrics/mechanism-seeds42-44.json diagnostic_only=true，不进入正式能力排名。
复现边界¶
执行当前验证与 founder fallback 选择协议；未调用论文编辑模型，也未复现 Amazon Bedrock 实验。