每日 Harness 开源 · Source
全部刊期 · All issues

每日 Harness

2026-08-20 · Thursday, August 20, 2026

智能体进入运行时治理时代

视图 · View

今日重点 · Today's Highlights

OpenViking - 以 `viking://` 虚拟文件系统统一记忆、RAG 资源和 skills，并用分层加载和可观测检索轨迹降低上下文成本。5

全文 ↓

论文 · Papers

15 项 · 论文

本期重点[Runtime Governance for Agentic AI: Action-Boundary Control with Trusted Provenance and Fail-Closed Execution](https://arxiv.org/abs/2608.16891) - Aegis 由受信运行时重算策略状态和来源证明，模型只能提出动作，最终执行权交给决策层；高风险提案还必须经过 Senate 式 quorum。评估覆盖 5 个 run family、42 个任务和 6300 行记录，2100 行治理运行没有受控副作用，但作者把结论限定在沙箱范围内。1arxiv.org原文 ↗

arxiv.org
–

[KnowSim: Evaluating Information Calibration in LLM Assistants with User Simulators that Learn](https://arxiv.org/abs/2608.17150) - KNOWSIM 用带先修关系的信息单元图跟踪用户知识状态，再计算知识增益、交付校准和认知过载三项指标。与 705 场人类 session 对照时，排序与人工判断达到 73 - 74% sign agreement；九个模型的最佳名次会随用户水平改变，说明静态单轮榜单遗漏了适配关系。8arxiv.org原文 ↗

arxiv.org
–

[Wuying-Browser-Agent: Real-World Centric Fundamental Long-Horizon Browser Agents](https://arxiv.org/abs/2608.17319) - Wuying 同时改造执行 harness、恢复型监督、在线优化与评测，RUIC-SFT 专门暴露复杂 UI 和失败恢复轨迹，DAO-GRPO 则按 divergence 做长程 credit assignment。它新增双语 BrowserBench（350 任务、平均 37.9 步），27B 模型在该基准达 65.1%，并在 WebVoyager 和 Online-Mind2Web 得到 80.6% 与 66.7%。11arxiv.org原文 ↗

arxiv.org
–

本期重点[LEGO-RL: Harness-Native Reinforcement Learning for Coding Agents](https://arxiv.org/abs/2608.17393) - LEGO-RL 用进程内 LLM proxy 保留原始 token 流，配合镜像缓存、分阶段 sandbox 防御和 Live UI，把 harness 运行细节纳入训练闭环。Qwen3.5-35B-A3B 在 OpenHands SDK、Claude Code、OpenCode 上的 SWE-bench Verified 分别由 64.0→70.4%、62.4→68.2%、57.2→66.6%，rollout 与重算概率相关性保持在 0.99 以上。2arxiv.org原文 ↗

arxiv.org
–

[Agent Lightning v1.0: Towards Harnessed Agentic RL](https://arxiv.org/abs/2608.17528) - 这套约 3500 行框架把“harness 管环境、trainer 看序列”作为基本架构，显式处理重分词、样本合并、advantage、loss normalization 和调度。只用 6000 个训练样本，Qwen3.5-9B 在 SWE-bench Verified 从 41.8% 提升到 56.4%；价值在于提供任意 harness 可复用的可复现实验管线，而非提出新的基础模型。12arxiv.org原文 ↗

arxiv.org
–

[TRUSS: Towards Task-Reliable and User-Safe Automated Agent Skill Generation](https://arxiv.org/abs/2608.17588) - TRUSS 先做证据导向的静态安全门，再把 Skill 放进可控执行环境，记录每次 brokered tool 的 provenance，并把失败回溯到具体内容。对 168 个 SkillInject、155 个 SkillSafetyBench 和 187 个 SkillGenBench 任务，漏洞检测 precision/recall 均为 100%；修复后 GPT-5.5 攻击成功率从 38.71% 降到 19.35%，任务有效率从 17.11% 升至 52.94%。13arxiv.org原文 ↗

arxiv.org
–

[D2ACCI: A Dual-Loop Diagnostic Protocol for Evidence-Preserving Agent Memory](https://arxiv.org/abs/2608.17756) - D²ACCI 将 memory 变更拆成诊断门与可控迭代，要求配对统计、protected slice 和 trace-level localizability 同时过关，并提供可重放的 Eval artifact。MemStack 在 LoCoMo、LongMemEval、PersonaMem-V2 得分 93.59%、90.93%、57.20%；五个消融带来 1.9 - 3.7pp 增益，DCR@3 从结果-only 日志的 0% 提升到 98 - 100%。14arxiv.org原文 ↗

arxiv.org
–

本期重点[StagedWorkspace: A Versioned Workspace for Knowledge-Work Agents](https://arxiv.org/abs/2608.18050) - 研究把 parsed record、原生文件和 review diff 都绑定到内容 hash，避免 agent 在不同版本之间“看一份、改一份、交另一份”。双视图相对单视图在 OfficeQA Pass@1 提升 8.3 - 12.1 点，在 APEX rubric 提升 4.7 - 9.2 点；57 个文件编辑任务的配对实验还显示，显式 diff 会改变观察到的工作质量。3arxiv.org原文 ↗

arxiv.org
–

[The Working Set of a Coding Agent: Coherence Debt in Repository-Scale Tasks](https://arxiv.org/abs/2608.16630) - 论文以耦合事实图描述测试、imports、配置和迁移规则的可用性，缺失的事实称为 coherence debt。七个模型、五个 harness 的实验发现，事实缺口常让 agent 猜值或伪造文件而不是停下，且相同测试通过的配置 token 消耗可相差十倍；继续加上下文预算无法补回未提供的事实，过时 convention 还可能比空白更误导。15arxiv.org原文 ↗

arxiv.org
–

本期重点[HarnessRisk: A Lifecycle-Oriented Benchmark for Agent Harness Safety](https://arxiv.org/abs/2608.17597) - HarnessRisk 将配置、扩展、运行、持久化、动作控制、恢复六阶段统一进 128 个沙箱 case，并同时量 Utility、Attack Success、Persistence、Detection。三种 harness、六个模型的攻击成功率从 12.6% 到 80.9%，Utility 仍为 75.0 - 97.6%；配置阶段最脆弱，而且“识别风险超过 90%”的系统仍可能执行大量攻击动作。4arxiv.org原文 ↗

arxiv.org
–

[AdaLens: Interactive Storyline for Monitoring and Steering Long-Running Agentic Data Analysis](https://arxiv.org/abs/2608.17834) - AdaLens 用 storyline 把分析计划、并行进度、中间发现与数据列参与关系放在同一视图，用户可针对这些元素改变方向或暂停执行。两个案例和用户研究把重点从逐轮聊天转向持续监督，技术贡献是把 observability 与 steerability 建在同一分析表示上，而不是再加一个聊天侧栏。16arxiv.org原文 ↗

arxiv.org
–

开源 / 项目 · Projects

15 项 · 开源 / 项目

[HyperSAE - Sparse Autoencoders, reimagined in hyperbolic space](https://github.com/vishal-dehurdle/hypersae) - HyperSAE 在 forward pass 保持 Euclidean 高速路径，只把层级概念关系放进 Poincaré 权重正则，另以异步 co-activation queue 控制显存。Gemma-2-2B Layer 13、20M FineWeb-Edu token 的报告称，在相近稀疏度下重构 MSE 降 9.8%、交叉熵恢复率增 3.4%，适合拿来检验双曲几何是否真的改善可解释特征。17github.com原文 ↗

github.com
–

[LLM-as-a-Verifier Plugin for DeepSeek Harness](https://github.com/uson1x/dsh-plugin-llm-verifier) - 插件把候选生成、并行 rollout 和模型评审接进 DeepSeek Harness，四个工具分别覆盖择优、比较和进度评分。默认三次 rollout 会用 1 - 20 分、三项标准、四次重复做 tournament，约产生 36 次评审调用；它的工程亮点是把位置偏差与噪声控制显式化，同时也把分钟级延迟暴露给使用者。18github.com原文 ↗

github.com
–

行业动态 · Industry News

10 项 · 行业动态

[Memory prices climb 500% in 12 months](https://www.tomshardware.com/pc-components/ram/memory-prices-climb-500-percent-in-12-months-up-to-10x-the-lowest-ever-tracked-prices-128gb-of-ddr5-now-usd3-399) - Tom’s Hardware 的价格追踪显示部分 DDR5 套件一年涨幅达 500%，128GB 套件报价 3399 美元，约为历史最低价十倍；硬盘和 SSD 同期也上涨超过 125%。这组数据把 AI 数据中心的供需冲击连接到消费级装机，说明本地推理和开发机的成本约束已成为基础设施议题。41tomshardware.com原文 ↗

tomshardware.com
–

博客文章 · Blog Posts

10 项 · 博客文章

[Liquid Types as a behavioural sandbox for agents](https://wiki.alcidesfonseca.com/blog/aeonbox-logical-guardrails-for-agents/) - 文章设想用 liquid types 表达资源上限、状态不变量和允许副作用，让验证器在执行边界拒绝不满足约束的 agent 行为。相比只在提示中提醒规则，这种做法能留下可计算的 witness；实际难点是开放世界动作的不可判定性和求解成本。48wiki.alcidesfonseca.com原文 ↗

wiki.alcidesfonseca.com
–

[Palomar: A registry of Lean verified mathematics](https://terrytao.wordpress.com/2026/08/18/palomar-a-registry-of-lean-verified-mathematics/) - Palomar 要求提交 Lean 仓库并自动构建检查证明可运行性、依赖和额外公理，再提供可检索的注册记录。它把“仓库里有 Lean 文件”提升为“第三方可重放的证明产物”，同时没有取代人类对概念新颖性与数学解释的评审。49terrytao.wordpress.com原文 ↗

terrytao.wordpress.com
–

[Crazy New Exploit To Steal Reasoning Traces](https://mail.bycloud.ai/p/crazy-new-exploit-to-steal-reasoning-traces) - 这期 AI Timeline 讨论跨模型重放加密 reasoning block 的攻击：较弱模型被诱导解密强模型的隐藏轨迹，并可能执行藏在轨迹里的 prompt injection。相关研究从 315320 个公开 block 恢复 367 个 PII 片段和 182 个凭据，说明客户端持有的“不可读加密上下文”同样需要绑定会话、模型和权限。50mail.bycloud.ai原文 ↗

mail.bycloud.ai
–

引用来源 · References

57 条 · 引用
  1. 1 Runtime Governance for Agentic AI: Action-Boundary Control with Trusted Provenance and Fail-Closed Execution. arXiv:2608.16891https://arxiv.org/abs/2608.16891 ↩ 回到正文 · back to text
  2. 2 LEGO-RL: Harness-Native Reinforcement Learning for Coding Agents. arXiv:2608.17393https://arxiv.org/abs/2608.17393 ↩ 回到正文 · back to text
  3. 3 StagedWorkspace: A Versioned Workspace for Knowledge-Work Agents. arXiv:2608.18050https://arxiv.org/abs/2608.18050 ↩ 回到正文 · back to text
  4. 4 HarnessRisk: A Lifecycle-Oriented Benchmark for Agent Harness Safety. arXiv:2608.17597https://arxiv.org/abs/2608.17597 ↩ 回到正文 · back to text
  5. 5 OpenViking. GitHubhttps://github.com/volcengine/OpenViking ↩ 回到正文 · back to text
  6. 6 SkillEffect: Checked Lowering for Memory-Bounded Agent Tools. arXiv:2608.17007https://arxiv.org/abs/2608.17007 ↩ 回到正文 · back to text
  7. 7 KernelArc: A Multi-Agent Framework for GPU Kernel Optimization. arXiv:2608.17071https://arxiv.org/abs/2608.17071 ↩ 回到正文 · back to text
  8. 8 KnowSim: Evaluating Information Calibration in LLM Assistants with User Simulators that Learn. arXiv:2608.17150https://arxiv.org/abs/2608.17150 ↩ 回到正文 · back to text
  9. 9 Do LLMs Know a Good Hypothesis When They See One? arXiv:2608.17270https://arxiv.org/abs/2608.17270 ↩ 回到正文 · back to text
  10. 10 PlanPO: Group Planning-Aware Policy Optimization for Multi-Turn Agentic LLMs. arXiv:2608.17289https://arxiv.org/abs/2608.17289 ↩ 回到正文 · back to text
  11. 11 Wuying-Browser-Agent: Real-World Centric Fundamental Long-Horizon Browser Agents. arXiv:2608.17319https://arxiv.org/abs/2608.17319 ↩ 回到正文 · back to text
  12. 12 Agent Lightning v1.0: Towards Harnessed Agentic RL. arXiv:2608.17528https://arxiv.org/abs/2608.17528 ↩ 回到正文 · back to text
  13. 13 TRUSS: Towards Task-Reliable and User-Safe Automated Agent Skill Generation. arXiv:2608.17588https://arxiv.org/abs/2608.17588 ↩ 回到正文 · back to text
  14. 14 D2ACCI: A Dual-Loop Diagnostic Protocol for Evidence-Preserving Agent Memory. arXiv:2608.17756https://arxiv.org/abs/2608.17756 ↩ 回到正文 · back to text
  15. 15 The Working Set of a Coding Agent: Coherence Debt in Repository-Scale Tasks. arXiv:2608.16630https://arxiv.org/abs/2608.16630 ↩ 回到正文 · back to text
  16. 16 AdaLens: Interactive Storyline for Monitoring and Steering Long-Running Agentic Data Analysis. arXiv:2608.17834https://arxiv.org/abs/2608.17834 ↩ 回到正文 · back to text
  17. 17 HyperSAE - Sparse Autoencoders, reimagined in hyperbolic space. GitHubhttps://github.com/vishal-dehurdle/hypersae ↩ 回到正文 · back to text
  18. 18 LLM-as-a-Verifier Plugin for DeepSeek Harness. GitHubhttps://github.com/uson1x/dsh-plugin-llm-verifier ↩ 回到正文 · back to text
  19. 19 Notulahttps://notula.org/ ↩ 回到正文 · back to text
  20. 20 Open Bot. GitHubhttps://github.com/copilotkit/openbot ↩ 回到正文 · back to text
  21. 21 Headless Terminalhttps://www.skills.sh/montanaflynn/headless-terminal/headless-terminal ↩ 回到正文 · back to text
  22. 22 Flocker.mdhttps://flocker.md/ ↩ 回到正文 · back to text
  23. 23 CrewCode. GitHubhttps://github.com/OnPoint-Dev-Tools/crewcode ↩ 回到正文 · back to text
  24. 24 Intelixhttps://intelix.dev ↩ 回到正文 · back to text
  25. 25 RelArena-α. GitHubhttps://github.com/PriorLabs/relarena ↩ 回到正文 · back to text
  26. 26 NAEOS. GitHubhttps://github.com/NAEOS-foundation/naeos ↩ 回到正文 · back to text
  27. 27 nanoAlphaZero. GitHubhttps://github.com/wtedw/nanoAlphaZero ↩ 回到正文 · back to text
  28. 28 Flow. GitHubhttps://github.com/gavingolden/flow/ ↩ 回到正文 · back to text
  29. 29 OpenCharthttps://tryopendata.github.io/openchart/ ↩ 回到正文 · back to text
  30. 30 Grove. GitHubhttps://github.com/alxshelepenok/grove ↩ 回到正文 · back to text
  31. 31 OneCLI. GitHubhttps://github.com/onecli/onecli ↩ 回到正文 · back to text
  32. 32 OpenRouter is joining Stripehttps://openrouter.ai/blog/announcements/openrouter-is-joining-stripe/ ↩ 回到正文 · back to text
  33. 33 Go 1.27https://go.dev/blog/go1.27 ↩ 回到正文 · back to text
  34. 34 XWayland 26.1-rc1 Released Two Years After the Last Releasehttps://lists.x.org/archives/xorg/2026-August/062280.html ↩ 回到正文 · back to text
  35. 35 Cerebras CS-4https://www.cerebras.ai/cs4 ↩ 回到正文 · back to text
  36. 36 The Mojo language is now open-sourcehttps://www.modular.com/blog/modcon-announcements ↩ 回到正文 · back to text
  37. 37 Offering Zero Data Retention for frontier modelshttps://openai.com/index/offering-zero-data-retention-for-frontier-models ↩ 回到正文 · back to text
  38. 38 ChatGPT Ads expands across Europehttps://openai.com/index/chatgpt-ads-expands-across-europe ↩ 回到正文 · back to text
  39. 39 Replit expands access to software creation with GPT-5.6 Lunahttps://openai.com/index/replit ↩ 回到正文 · back to text
  40. 40 GLM-5.3 Artificial Analysis Benchmarkshttps://artificialanalysis.ai/models/glm-5-3 ↩ 回到正文 · back to text
  41. 41 Memory prices climb 500% in 12 monthshttps://www.tomshardware.com/pc-components/ram/memory-prices-climb-500-percent-in-12-months-up-to-10x-the-lowest-ever-tracked-prices-128gb-of-ddr5-now-usd3-399 ↩ 回到正文 · back to text
  42. 42 Extensible Software in the age of LLMshttps://jeremymorrell.dev/blog/extensible-software-in-the-age-of-llms/ ↩ 回到正文 · back to text
  43. 43 How Kubernetes Probes Workhttps://ngrok.com/blog/probes ↩ 回到正文 · back to text
  44. 44 Geolocating a random island using geometry and CUDA programminghttps://yassa9.github.io/osint/gralhix-004/ ↩ 回到正文 · back to text
  45. 45 Plain Text Accounting is Pretty Coolhttps://sumnerevans.com/posts/money/plain-text-accounting/ ↩ 回到正文 · back to text
  46. 46 SQLite for Everythinghttps://joecode.com/2026-08-19-sqlite3/ ↩ 回到正文 · back to text
  47. 47 HTML Can Do Thathttps://chrisburnell.com/html-can-do-that/ ↩ 回到正文 · back to text
  48. 48 Liquid Types as a behavioural sandbox for agentshttps://wiki.alcidesfonseca.com/blog/aeonbox-logical-guardrails-for-agents/ ↩ 回到正文 · back to text
  49. 49 Palomar: A registry of Lean verified mathematicshttps://terrytao.wordpress.com/2026/08/18/palomar-a-registry-of-lean-verified-mathematics/ ↩ 回到正文 · back to text
  50. 50 Crazy New Exploit To Steal Reasoning Traceshttps://mail.bycloud.ai/p/crazy-new-exploit-to-steal-reasoning-traces ↩ 回到正文 · back to text
  51. 51 not much happened todayhttps://news.smol.ai/issues/26-08-18-not-much/ ↩ 回到正文 · back to text
  52. 52 AlexsJones/llmfit. GitHubhttps://github.com/AlexsJones/llmfit ↩ 回到正文 · back to text
  53. 53 superradcompany/microsandbox. GitHubhttps://github.com/superradcompany/microsandbox ↩ 回到正文 · back to text
  54. 54 pipeshub-ai/pipeshub-ai. GitHubhttps://github.com/pipeshub-ai/pipeshub-ai ↩ 回到正文 · back to text
  55. 55 docling-project/docling. GitHubhttps://github.com/docling-project/docling ↩ 回到正文 · back to text
  56. 56 chaitanyagiri/munder-difflin. GitHubhttps://github.com/chaitanyagiri/munder-difflin ↩ 回到正文 · back to text
  57. 57 public-apis/public-apis. GitHubhttps://github.com/public-apis/public-apis ↩ 回到正文 · back to text