本周趋势：运行时不确定性，正在被压到离线

（2026-08-25 至 2026-09-05，9 篇精选）

本周最清晰的信号，不是某篇论文提出了什么新模型，而是三条技术路线在收敛同一个结论：

把”运行时不确定性”压到离线预计算 + 结构化中间表示上，用前置工程换线上稳定与低成本。

从 RAG 的图投影，到 Coding Agent 的轨迹压缩，再到多 Agent 系统的记忆管理，所有人都在做同一件事：别让 Agent 在线的时候临时猜，边跑边算代价太高。

线一：RAG——图的拓扑预计算，替代在线遍历

ISO-RAG（UNSW）把知识图投影到双曲 Poincaré 球，在检索前就预计算好节点等周剖面，在线时只做局部子图扩散，不需要全局遍历。多跳 QA 召回+10%，EM+4.3%。

ProRetrieval 走了另一条路：让 LLM 生成混合 DSL 程序（SQL 算子 + 向量检索原语 + 布尔逻辑），而不是在线改写 query。Qwen3-4B 经强化学习训练后，电商 Hit@1 0.81，超越 GPT-5.5 的 0.69。

The Laws of Context Allocation 则是从因果层面证明：”单体扩上下文”是相关度衰减陷阱，顺序多轮生成迭代分配 compute 带来 16.7–20.5pp 召回提升。核心洞察：上下文预算不是塞满，而是按需顺序分配。

三篇共同指向：图结构提前建，检索逻辑提前编译，上线只做局部查询。

线二：Coding Agent——轨迹压缩成 rollout summary，替代在线探索

Scaling Test-Time Compute（Meta/CMU/Princeton）用 rollout 轨迹压缩成结构化 summary（假设/进展/失败模式），再做递归投票与顺序精炼。Claude-4.5-Opus 在 SWE-Bench Verified 从 70.9% 升到 77.6%，Terminal-Bench v2 从 46.9% 升到 59.1%。

关键洞察：长程 coding agent 的瓶颈不是采样数不够，而是表示-选择-复用做得不好——意思是 agent 需要更好的结构来压缩自己的历史经验，而不是堆更多的在线 rollout。

SWE-bench Science 和 SWE-Bench ProMax 则在给这个领域降温：当前最强模型（Claude Code + Opus-5）在科学软件任务 pass@1 < 50%，多语言重构任务最佳 resolve 率仅 41.2%。这不是一个已经解决的问题。

共同指向：别光卷模型，先把轨迹的结构化表示做好。

线三：多 Agent 系统——记忆升维成技能库，替代日志堆积

MAGE 把 agent/消息/工具/错误/证据存为异质时序超图，保留高阶协作事件而非扁平向量。支持决策驱动更新、角色感知检索、生命周期管理，不需要改模型权重就可以扩展知识边界。

MASkills 把经验记忆升维成”技能”——时机/方式/工具的结构化程序知识，经过精炼/归纳/整合/剪枝演化。HotpotQA/LoCoMo/GAIA 全面占优。

ReCache 则是在工程层面解决工具密集型 agent 的 KV 缓存问题：跨工具切换时 prefix cache 失效，因为工具 schema 混排破坏组合不变性。解决方案是 resource-wise attention + 结构/语义剪枝，TTFT 加速 3.655×，KV 显存省 92.43%。

共同指向：别让每个 agent 每次任务都从零开始，把可复用的结构预计算好。

三条线，一个方向

层级 离线预计算 结构化中间表示
RAG 图拓扑、等周剖面 DSL 程序、因果上下文分配
Coding Agent Rollout 轨迹压缩 超图 summary、递归投票
多 Agent 记忆 技能库演化 异质时序超图

核心工程哲学是前置化：

  • 不要在线猜，要在离线把结构建好
  • 不要扁平存储，要在结构化表示里保留高阶关系
  • 不要每次重算，要在预算约束下做最优调度

这和 Mitchell Hashimoto 的 Harness Engineering 是同一个逻辑的不同切面——减少 runtime 的不确定性，等于减少在线代价。只不过这里的 harness 不是约束规则，而是预计算好的结构和表示。

值得跟踪的问题

  • 表示层碎片化：DSL、超图、rollout summary、时序超图……每条线都在定义自己的结构化语言，跨线复用有没有可能？
  • 评测的滞后：SWE-bench Science 已经说明公开测试和真实科学任务之间存在巨大差距，benchmark 追上实际场景的速度远慢于模型刷榜的速度
  • 前置工程 vs 动态适应：预计算换稳定，但当任务真的偏离预计算假设时，Agent 的在线适应能力够不够用？

共 9 篇，全部 2026-08 下旬至 09 月上旬，附源码/数据，与历史清单零重复。