Harness² 与 Google/Meta 历史筛选补漏¶
2026-10-21 口径更正：下文的54和521是10-20原始对账状态，不是可直接相加的实施TODO。 521混入31个延期线索、漏14个接受候选；54需拆为39个2026待审、9个早期参考与6个非实施分流。 逐项清单、成本终态与交付边界见后续去重核查。
本轮新增 1 个低成本 CPU 控制器，补 12 篇高成本资料，关联 1 篇已有诊断， 并为本次确实读过方法/资源段的 22 个论文身份追加独立处置。 22 篇的完整模型/API 实验均标注“成本过高，不复现（审查 DONE）”； 其中 Harness² 的局部 CPU 组件已实现，其余新资料不能算成算法已实现。 本轮没有新 CUDA 路径，不需要启动 A100/A30；没有运行付费 API 或下载模型。
Harness²：已实现的部分¶
论文详情与一键运行包括：
- 固定模型、环境、初始 Harness 和改进器版本；任务内 Propose–Probe–Compose。
- 并行扩宽、顺序加深，检查 \(4k\) 次执行与 \(3k\) 个编辑阶段。
- 选择器只能读公开任务与匿名的既有最终产物，不获得 gold、rubric 或来源 Harness。
- 同域先前任务的持久经验库、完整采用 Harness、被引用执行对照、冲突拒绝与失败保留。
实跑 seed 42/43/44、两种模式、每种两个流水任务，合计 96 次真实 Python subprocess、 72 个编辑阶段；原始执行约 1.78 秒。编辑器与选择器是确定性机制替身， 所以只有 L1 机制证据，不是 LLM 能力、官方基准成绩或已经打通 Evolve。 标量证据见单篇指标。
修正的筛选漏洞¶
| 旧行为 | 新行为 |
|---|---|
| 只要出现在 ledger 就归入 reviewed | 日期/身份初筛不关闭方法审查；普通 new 观察也不变成已审 |
| 窗口之前的首发被拒绝并关闭后续队列 | 官方 Google/Meta 新证据可召回旧文，单列历史补漏，不算当天新首发；明确未来首发不进入回补 |
| 机构优先规则只看特定查询名 | 同时识别官方机构来源、精确 GitHub owner 和机构字段；不从摘要的“meta-learning”猜作者机构 |
| accepted 但未交付，被泛化 known/review_done 遮住 | 单列 implementation-pending，显示在候选摘要；generic known 不盖过明确待交付 |
| 同一 ID 多次观察按第一次存在去重 | catalog 优先，其次真实方法/成本/来源终态，再是待交付，最后是泛化标签；保留冻结快照 |
明确高成本不复现仍是终态；即使保留旧 metadata-only 字段，也不会重新拉起昂贵实验。
record_discovery_review.py 拒绝把日期初筛或待交付状态写成新的终态；
Google/Meta 的正文来源要求不再仅由查询名触发。
本轮补资料与关联¶
以下均属于历史补漏，不是今天新发表；完整实验不复现。
| 论文 | 本轮实际交付 |
|---|---|
| Harmony Harness | 多目标、功能/安全权衡、范围受限框架演化的资料与成本 |
| SEER | 事件检索、反思记忆、反馈成熟与测试冻结的资料与成本 |
| MARS | 模块化研究、预算搜索与执行经验的资料与成本 |
| ECO | 量化误差注入动量、免 master weights 的资料与成本 |
| SA-DPO | 语义距离自适应偏好间隔的资料与成本 |
| FUSE | 无标签 verifier 集成及独立性假设的资料与成本 |
| Prompt-Level Distillation | 教师规则抽象、聚类与冲突修订的资料与成本 |
| RL for Code Optimization | 代码优化 RL 与多节点资源成本的资料 |
| AutoformBot | 数学形式化 Agent 的资料与资源成本 |
| AIRS-Bench | AI 研究评测协议资料；不是已接入的评测接口 |
| MetaEncoder | 双塔自然语言决策及官方 30B 评测成本 |
| Raw Video Mid-Training | 连续视觉 next-token 训练与匹配对照的资料和成本 |
| MaD-RL | 修正首发日期，关联旧字符模型/A100 诊断和负结果；不改旧测量，不重复实现或跑 GPU |
另对既有 Meta Logbook、Render2Reason、PAT、CanonQ、Mixture of Layers、 Omni-Diffusion-Distill、X-AgentRed，以及 Compute Optimal Tokenization 补资源决定。 这些只在逐项处置和审计中关闭完整实验，不冒充新增组件或全部有独立资料页。
实际覆盖范围与未完成事项¶
- Google：逐项枚举已保存的 102 条潜在范围历史记录；DeepMind 27 条 2026 目录记录； 另核对 198 个日期归档身份，并对 7 篇补读明确的方法、实验、资源与发布段。
- Meta：逐项对账已保存的 48 条 2026 官方目录记录；核对 9 条已接受但未交付的旧记录， 为这 9 条补齐具体原文资源成本判断。
- 共关联 83 个已识别的论文身份。按当前仓库状态，7 个已有组件/实现目录、22 个已审处置， 仍有 54 个没有实质终态；这不表示它们都符合要求，更不表示已阅读全文。
- 原始全账本还存在 521 个未交付的旧接受条目。本轮让它们可见， 没有把这 521 个全部实施，也没有用统一高成本标签冒充逐篇审查。 它们不是本 MR 的新增实施承诺，后续应按机构优先、主题和成本分批核查。
逐项清单：Google/DeepMind 审计、Meta 审计、 当前对账、22 项新处置。 无身份/日期或原文无法核实的项保持显式元数据例外，不算接受、全文 DONE 或实现。 本轮不是全历史/全来源穷尽审查，审查水位保持 2026-10-15，不自动推进。
验证与复跑¶
PYTHONPATH=src python -m pytest tests/agent_research/test_harness2_component.py \
tests/test_historical_priority_discovery.py tests/test_harness2_priority_delivery.py \
tests/test_harness2_meta_reference_catalog.py
PYTHONPATH=src python scripts/audit_historical_priority_backfill.py --check
共享发现、来源、审查写入和水位测试也必须通过。完整质量检查与 MR CI 状态由交付时实际结果说明， 不把上面的复跑命令当成已运行证据。
本轮已运行：196 项发现/审查相关回归、95 项新增定向测试、30 项文档测试、 最小 wheel 安装契约、指标/GPU 证据校验与严格文档构建，结果均通过。 已删除本轮临时站点、隔离安装环境、构建缓存与上游克隆等约 478 MiB； 保留原始 CPU 执行记录（包括早期诊断）、提交的指标与论文图片，不清理共享模型/数据缓存。