better-dsh 0.2.4-a → 0.2.4-c

package/docs/10_plans/self-exo-cot-draft.md

@@ -1,322 +0,0 @@
-# `self()` — 外源思维链（exo-CoT）与二分心智式决策路由
-
-> 日期（UTC）：2026-09-15 · 修订 2026-09-17 · 状态：**DRAFT v3 / 未裁决**（无实现）
-> 前置：`docs/10_plans/self-scheme-and-monolog-draft.md`（v1：RLM 缺口 + `self://` scheme + `monolog()`）
-> **v2 修订 v1 的排序与重心**：v1 从"地址"（scheme）切入；v2 从"效用"切入 ——
-> 先做 **`self()` 工具**，因为 Astra 的证据表明真正值钱的是**动作与机制**，不是新的地址空间。
-> **v3 修订 v2 的语义**（§10）：RSI-Agent 论文证明，光"保留推理"不够 —— 必须是
-> **被独立验证、由干预实验产生的记忆**。`self(check)` 加**上下文隔离**约束，新增 `self(probe)`，
-> `self(note)` 强制 witness。
-> 证据：GPT-6 Astra ARC-AGI-3 双 harness 数据（ARC Prize 官方 + 本地整理
-> `agent-harness/20_Agent/01_codex/codex-gpt6-astra-harness-research.md`）；RSI-Agent（2026-09-14，§10）。
-
----
-
-## 0. 一句话结论
-
-**Astra 的 62.7% → 99.9% 不是模型变强，是 harness 补上了"外源思维链"。**
-dashr 已经有了外源 CoT 的**回溯半边**（`ctx://` 可寻址压缩历史 —— Astra 报告的 §10.3 把它列为**推荐方案 D**，并明说"与 DASHRL 标记读取思路一致"）；缺的是** deliberation 半边**：一个能把「当前处境」翻成「该调哪个能力」的**决策层**。
-
-`self()` 就是这一层。它不是一个"再问一遍 LLM"的工具，而是：
-
-> **situation（harness 免费读）→ question（预设、封闭）→ reflection（一次 bare call）→ decision（类型化、可路由）**
-
-其中 **situation 不花 token、question 是有限问题库、decision 是结构体** —— 这三点是它区别于 `llm_completion` 的地方，也是它能被 harness 路由的前提。
-
----
-
-## 1. 研究证据：Astra 的双 harness 差距
-
-### 1.1 数字（ARC Prize 官方Verified scores）
-
-| effort | ARC-AGI-1 | ARC-AGI-2 | ARC-AGI-3（**标准** harness） | ARC-AGI-3（**Provider Adapter** harness） |
-|---|---|---|---|---|
-| Max | 97.5% | 95.0% | **62.71%** | 98.55% |
-| XHigh | 98.5% | 93.3% | 59.34% | 98.44% |
-| **High** | 98.5% | 92.1% | 54.82% | **99.95%** |
-| Medium | 97.5% | 92.1% | 38.59% | 98.44% |
-| Low | 96.5% | 85.4% | 17.45% | 98.03% |
-| None | 86.0% | 59.6% | 35.18% | 96.72% |
-
-来源：[ARC Prize — GPT-6 Astra results](https://arcprize.org/results/openai-gpt-6-astra)。
-
-**两个 harness 的定义差异本身就是结论**（ARC Prize 原文）：
-- **Standard harness**：*"enables a model to carry forward notes it chooses to keep with it throughout the environment"* —— 模型自选笔记，跨环境携带。
-- **Provider Adapter harness**：*"preserves opaque reasoning state between requests and uses compaction for longer conversations, allowing the model to reuse prior work"* —— **跨请求保留不透明推理状态 + compaction**。
-
-同一模型、同一 benchmark，**唯一的自变量是"推理能不能带过下一轮"**。成本还更低（high 档 $18,817 < max 档 $26,098）。
-
-旁证（早期、模型不变）：GPT-5.6 Sol 仅开启两项 API 设置（保留推理 + 启用压缩），ARC-AGI-3 public set **13.3% → 38.3%（≈3×）**，输出 token **−6×**。
-
-### 1.2 为什么这正是"外源思维链"的实证
-
-旧范式：CoT = 草稿纸，一个 turn 结束即丢弃。模型探索过的**弯路、否决掉的决策、中途修正**全部蒸发。
-新范式：推理**跨轮可用**，上下文凭空多出"分析过程信息"。
-
-ARC 这类 agentic 任务里，**探索历史本身就是解题资产**（哪个方向失败过、哪个门开过、规则怎么更新）。丢一次就重付一次推理成本。
-
-### 1.3 可移植的机制清单（→ 本设计的需求来源）
-
-| Astra 机制 | 对本设计的约束 |
-|---|---|
-| **推理保留**（§3.1） | `self()` 的产出必须落成**一等、可回溯的 artifact**，不能是即抛的返回值 |
-| **三层上下文：摘要 + 笔记 + 可检索原文**（§3.2） | dashr 已有：compaction 摘要 + `ctx://` 可检索原文；**缺"笔记"通道** → `self(note)` |
-| **模型自管理笔记、给通道不给 schema**（§3.3） | 笔记记号由模型涌现（Astra 实测：`L8: hub q2 (8↓)`、`extend8 to3; retract10 to2`）。**禁止**为 `self(note)` 设计死 schema |
-| **沙箱 + 模型自造工具**（§3.4） | dashr 的 `eval` pad 即此机制 → `self()` 必须与 `eval` 组合，而非替代 |
-| **14 种 harness 配置并列报告**（§1 报告的评测纪律） | 任何"self() 让分数变好"的主张必须带 harness 指纹，否则是 §1.1 那种失真叙事 |
-| **可监控性下降**（§5 / §11.3） | 模型端走向潜在推理（循环深度），**可读 CoT 系统性变短** → exo-CoT 是**补偿性可读面**，价值上升而非下降 |
-
-### 1.4 报告自己的结论：推荐方案 D
-
-`codex-gpt6-astra-harness-research.md` §10.3 列出保留思维链的四条实现路径，并给出推荐：
-
-| 方案 | 做法 | 代价 |
-|---|---|---|
-| A 全量 include | 上轮 thinking 整体回传 | 上下文暴涨 |
-| B 截断 | 只留最近 N 段 | 破坏完整链价值 |
-| C 摘要 | 辅助模型/server compaction 压缩 | 保真度损失；OpenAI compact 是**不透明机器状态** |
-| **D 标记 + 按需回溯（recallable）** | 压缩时打标记，runtime 提供旧上下文检索/注入 | 需要运行时索引与检索设施 —— **dashr 的 `ctx://` 已具此设施** |
-
-> 报告原文（§10.4）：「若目标是"让模型跨轮记住自己否决过什么"，**D（标记 + 可回溯）+ C（分层摘要）组合**最贴近 ARC 式收益且可控成本」。
-
-**即：dashr 的 `ctx://` 路线已经和 Astra 高分同源。`self()` 要做的是在这条已被验证的路径上补出"决策/路由"这一层，而不是另起炉灶。**
-
----
-
-## 2. endo-CoT vs exo-CoT
-
-| | **endo-CoT**（内源） | **exo-CoT**（外源） |
-|---|---|---|
-| 产生位置 | 模型前向过程（thinking block） | harness 进程（工具/运行时） |
-| 载体 | token / 潜在激活 | **可寻址 artifact**（session 事件 / notes / 结构体） |
-| 生命周期 | 一个 turn（或撑到 compaction） | 跨 turn、跨 compaction、可回溯 |
-| 可干预性 | ❌ 不能中途检查/改写 | ✅ 可检查、可路由、可预算、可版本化 |
-| 可读性趋势 | 📉 循环深度/潜在推理使其**系统性变短**（Astra §11.3） | 📈 可控，且成为**唯一可读面** |
-| dashr 现状 | `ctx://session/thinking[...]` （**只读回放**） | ⚠️ 无 —— 只有 `ctx://` 的**历史**，没有**主动 deliberation** |
-
-**要点**：dashr 今天能*读*endo-CoT（`ctx://session/thinking`），但那个面在读的时候**已经产生完了**，无法参与当下的决策。`self()` 的差异化价值 = **在决策发生之前**，用 harness 侧的事实产出一段可路由的推理。
-
----
-
-## 3. 二分心智映射
-
-Jaynes 的二分心智：一侧发出**命令之声**，另一侧**执行而不自省**；"声音"不被体验为自己的思考。
-
-| 二分心智 | harness 对应 |
-|---|---|
-| 执行侧（无自省） | **acting agent**：在上下文里直接行动，对自己的预算/实际工具面/血缘**没有廉价视野** |
-| 声音侧（发令） | **`self()`**：读得到 self-model（预算是多少、工具面真相、血缘深度、gate 状态），返回**指令**而非散文 |
-| "声音不被当成自己的思考" | **工具结果**：模型把 `self()` 的输出当作外部输入（而非自己的推理），因此可以被 harness 校验/拦截 |
-
-**这个映射的工程价值**：如果把这段推理要求模型自己"在心里想"（endo-CoT），harness 看不到、不能路由、不能设预算。把它**外置成工具调用**，它就变成一个有类型、有成本、可审计的一等对象。**这正是"外源"二字的全部意义。**
-
-⚠️ 边界：二分心智是**架构隐喻**，不是心智主张。本设计只取"执行/发令分离 + 发令侧有特权视野"这一条结构性含义。
-
----
-
-## 4. `self()` 方法集
-
-用户提议的接口形态：`self(<method>, <args>)` —— method-first，每 method = 一个预设问题模板。
-
-### 4.1 分组
-
-```
-self()                           → 方法名册（bare 调用，零成本，列出全部 method + 各自何时用）
-── A 感知（situation，零 LLM） ────────────────────────────────
-self(state)                      → 当前处境卡：上下文压力 / turn-step / 委派深度 / 生效工具面
-self(where)                      → 血缘位置：我是谁派的、父任务是什么、有无兄弟
-── B 反思（reflection，一次 bare call） ────────────────────────
-self(explain, <topic>)           → 就 topic 产出结构化反思（用户给的例子）
-self(why)                        → 决策溯源：试过什么、否决了什么、为什么
-self(recall, <query>)            → 检索早期上下文（Astra §3.2 "早期上下文仍可被搜索"）
-── C 决策（decision，类型化输出） ──────────────────────────────
-self(probe, [target])            → ★v3 课程：我缺哪些知识 / 下一个实验该探什么不确定性
-self(next, <goal>)               → 路由：下一步该调哪个能力（返回 action 枚举）
-self(should, <action>)           → go/no-go：现在该不该做这个动作（含成本/风险）
-self(check, <artifact>)          → ★v3 独立核验：上下文隔离，只喂 artifact + 观测状态
-── D 写入（唯一写通道） ────────────────────────────────────────
-self(note, <text>, witness)      → ★v3 写笔记，**必须带 witness**（观测到的 tool/result seq）
-```
-
-### 4.2 与既有面的复用映射（**不重造轮子**）
-
-这是本节最重要的部分 —— 每个 method 都映射到一个已有实现，`self()` 只加"harness 侧的结构与路由"：
-
-| method | 复用 | `self()` 新增的东西 |
-|---|---|---|
-| `self(state)` | `dsh://config` + session header + `agent.ctx.tools.schemas(agent)` | 聚合成**一张处境卡**（否则要 3 次 read） |
-| `self(where)` | session header 的 `delegationDepth` / `origin` + `agent://` roster | 血缘**语义**（父任务摘要） |
-| `self(explain, t)` | **`llm_completion`** 的 bare call 路径（`src/llm-completion.ts:62`，同 provider/model） | 预设 question 模板 + **S 作为免费前缀** + 输出落 artifact |
-| `self(why)` | `ctx://session/thinking:raw` + `ctx://session/tool_calls` | **聚合与压缩**成"决策溯源"而非原始块列表 |
-| `self(recall, q)` | **`ctx://session/transcript?q=`**（`?q=` 是既有 selector，url-schemes-instruction.md） | 零新增解析器 |
-| `self(next)` / `self(should)` | `llm_completion` + §5 路由表 | **类型化 decision** |
-| `self(probe, t)` | `ctx://session/tool_calls` + `llm_completion` | ★v3 从已观测结果反推「未知量清单 + 下一个实验」（RSI-Agent 课程角色） |
-| `self(check, a)` | `llm_completion`（**新开、无历史的 prompt**）+ `ctx://` 观测原文 | ★v3 **上下文隔离**契约：不喂 reasoning/notes，只喂 artifact + 观测 |
-| `self(note, t, w)` | 新写入通道 + witness 强制 | ★v3 Astra §3.3 的 notes 通道 + RSI-Agent 的「实验构建而非轨迹摘要」 |
-
-**结论：`self()` 的净新增代码量 ≈ 一个聚合层 + 一个提示模板库 + 一个类型化输出契约**。解析、LLM 调用、检索全部复用。这是它相对 `subagent`（重）与手写 `eval` 循环（无护栏）的核心竞争力。
-
----
-
-## 5. 流水线：situation → question → reflection → decision
-
-```
-     ┌──────────────────────────────────────────────────────────────────┐
-     │ S · situation   ← harness 免费读（零 LLM token）                    │
-     │   self-model：上下文压力 / turn-step / 委派深度 / 生效工具面 / gates  │
-     │   + 可选 ctx:// 证据（按需，非默认）                                 │
-     └───────────────────────────────┬──────────────────────────────────┘
-                                     ▼
-     ┌──────────────────────────────────────────────────────────────────┐
-     │ Q · question    ← 预设问题库（有限、有版本、每 method 一条）           │
-     │   模板化，封闭枚举；不是让模型自由发挥"问自己什么"                      │
-     └───────────────────────────────┬──────────────────────────────────┘
-                                     ▼
-     ┌──────────────────────────────────────────────────────────────────┐
-     │ R · reflection  ← **一次** bare LLM call（复用 llm_completion 路径）  │
-     │   输入 = Q + S +（按需拉取的）可寻址证据                              │
-     │   输出 = 结构化 reflection + 落成 artifact（可被 self(recall) 找回）   │
-     └───────────────────────────────┬──────────────────────────────────┘
-                                     ▼
-     ┌──────────────────────────────────────────────────────────────────┐
-     │ D · decision    ← **类型化**，不是散文                                │
-     │   { action: <enum>, confidence, why, cost_hint, risk }             │
-     │   → harness / 模型据此**确定性路由**                                  │
-     └──────────────────────────────────────────────────────────────────┘
-```
-
-**三个设计不变量**：
-
-1. **S 免费**：处境事实不花 token。这是 exo-CoT 相对 endo-CoT 的成本优势 —— harness 侧的事实不需要模型"想起来"。也是 §1.1 "更贵 effort 反而更便宜" 的机制同构。
-2. **Q 封闭**：问题库有限且版本化。**开放问题 → 无法路由**；这是本设计与"让 LLM 随便想想"的分水岭。
-3. **D 类型化**：`action` 是枚举，不是自然语言。Astra 报告 §10 已证明：OpenAI 的 compact 输出是**不透明机器状态**、官方明说"非人读摘要" —— harness 侧要的是**能分派**的东西。
-
----
-
-## 6. 决策路由表（本设计的可执行产物）
-
-触发条件全部**可由 harness 判定**（零 LLM），这是能自动化路由的前提：
-
-| # | situation 触发（harness 可判定） | preset question | decision `action` | 实际路由到 |
-|---|---|---|---|---|
-| 1 | 上下文压力 ≥ 阈值（逼近 compaction） | 哪些是必须带过 compaction 的？ | `note` | `self(note)` |
-| 2 | 检测到已发生 compaction 且任务跨多轮 | 之前否决过什么方案、为什么？ | `recall` | `ctx://session/transcript?q=` |
-| 3 | 待处理资源 > 有效窗口 | 需要全看还是抽摘要？ | `monolog` \| `read` | 见 v1 的 `monolog()` |
-| 4 | 任务多步骤、方向未定 | 当前目标下最该做的一步？ | `eval` \| `delegate` \| `ask_user` | `eval` / `subagent` |
-| 5 | 即将委派子 agent | 该给子 agent 什么上下文？ | `delegate` | `subagent`（brief 作为 payload） |
-| 6 | 已得出结论、准备收尾 | 我漏了什么反例？ | `check` | `self(check)` |
-| 7 | **短上下文 / 简单任务** | 值得递归/外置吗？ | `direct` | **直接作答，不用任何工具** |
-| 8 | 检测到自己的工具面与实际不符 | 我实际有哪些工具？ | `state` | `self(state)` |
-
-> 第 7 行是必需的负向路由 —— RLM 论文 Obs.3：小输入区间 base LM 反而更好（存在**交叉点**）。没有它，`self()` 会退化成"凡事都问自己一遍"的成本放大器。
-> 第 8 行对应 v1 §2.1 的**已实测事故**（会话热升级后 Tool Catalog 仍声明已删工具，运行时 `unknown binding`）。
-
----
-
-## 7. 风险
-
-| 风险 | 对策 |
-|---|---|
-| **成本放大器**：每个 turn 都 `self(explain)` | 第 7 行负向路由 + 触发条件必须 harness 可判定（不是模型自觉） |
-| **自我确认循环**：`self()` 与自己同模型同上下文，只会附和 | ★v3 RSI-Agent 硬约束：`self(check)` 必须**上下文隔离**（只喂 artifact + 观测状态，不喂私有推理），否则验证者会与 actor 重复同一个无根据的解释；`self(next)` 输出必须含 `why` 且被 schema 约束 |
-| **scaffold 依赖**（Astra §2.3：模型被**协同训练**成会用保留推理） | 明写在 wire description 里；不要假定任意模型的 harness 行为等价 |
-| **可监控性悖论**（§5/§11.3） | exo-CoT 是**补偿**可读面的手段；同时不要指望 `ctx://session/thinking` 的原料会越来越多 |
-| **评估污染**（§1.1 失真叙事） | 任何"self() 提升"的主张必须带 harness 指纹；禁止把不同 harness 的数字并列 |
-| **notes 无 schema 的代价** | Astra §3.3 明确"给通道别给死 schema"；代价是笔记质量不可控 → 用 `self(recall)` 可检索性兜底 |
-
----
-
-## 8. 与 v1 的关系（排序修订）
-
-| | v1 主张 | v2 修订 |
-|---|---|---|
-| 切入点 | `self://` scheme（地址） | **`self()` 工具（效用）** ← 用户裁决 |
-| 依据 | RLM 论文的"上下文即环境" | **Astra 双 harness 数据**：harness 侧 CoT 保留是 62.7→99.9 的自变量 |
-| 第一交付 | `llm_completion({source})` | `self(state)` + `self(note)`（零 LLM 的两个，先验证通道） |
-| 第二交付 | `self://` scheme | `self(explain|why|recall)`（B 组反思） |
-| 第三交付 | `monolog()` | `self(next|should|check)`（C 组路由）+ `monolog()` |
-| `self://` 定位 | 主体 | **降级为 `self()` 产物的读地址**（notes / reflection artifact），保持只读不变式 |
-
-**v1 的 `self://` 仍然成立**，但语义收敛为：`self()` 写的 artifact，`self://` 读。scheme 只读不变式（catalog 明记只有 `dvc://` 可写）因此不被破坏 —— **写走工具层，读走 scheme**。
-
----
-
-## 9. 开放问题
-
-| # | 问题 | 选项 |
-|---|---|---|
-| Q1 | `self(note)` 的落盘位置 | (a) session 事件（自动进 `ctx://`）(b) `$DSH_HOME` 独立 notes 文件 (c) 复用 `self://` 的存储 |
-| Q2 | `self(recall)` 与 Corti memory 的边界 | notes = 会话内工作笔记（模型自管记号）；Corti = 跨会话语义抽取。二者是否合并？ |
-| Q3 | `self(state)` 的上下文压力从哪来 | 同 v1 §8 Q3（待勘：公开 `Agent` 只有 `{id}`） |
-| Q4 | reflection 是否回灌主上下文 | 回灌（Astra 方案 A：涨上下文）vs 只留 artifact（方案 D：按需 `self(recall)` 取回） |
-| Q5 | 问题库的版本与可扩展性 | 固定枚举 vs 允许 patch 行增补自定义 question |
-| Q6 | `self(explain, t)` 与 `llm_completion` 的边界 | 是否会因语义重叠导致模型选错工具 |
-
----
-
-## 10. v3 补强：RSI-Agent（2026-09-14）—— 把 exo-CoT 从「多留推理」改成「可验证的实验记忆」
-
-> 来源：`research/temp/20260917_Kimi-K3-GLM-53-Self-Improvement-RSI-Unlocked/`
-> （Discover AI 视频转录 + digest）。论文 *RSI-Agent: Autonomous Exploration for Recursive
-> Self-Improvement in New Environments*，Sibo Zhu 等（Aether AI / UC San Diego / UI Chicago），
-> 2026-09-14。
-> ⚠️ **二手来源**：手头只有视频转录（Tier-1 转录，但仍是解说）。论文数字未与原文核对，
-> 一律标 `[待核]`；STT 噪声（"Kim K3" = Kimi K3、"GBD6 Astro" = GPT-6 Astra）已订正。
-
-### 10.1 它做了什么（与 `self()` 直接相关的部分）
-
-- **冻结权重，只优化外部持久 memory**；training-free 多 agent 框架。
-- **三角色**：curriculum（决定下一个该探的不确定性、生成练习任务）→ actor（执行 + 决定哪些教训值得进 memory）→ **独立 verifier**（只看 artifact 与**观测到的环境状态**，**不看 actor 的私有推理**）。
-- **回路**：hypothesis → experiment → observation → verify → **memory revision** → 新 hypothesis。
-- **两个时间尺度**：broad exploration（广摸环境规则/词汇）与 deep exploration（在单一目标上钻瓶颈）；作者观察到 **broad 通常贡献更大** `[待核]`。
-- **结果**：GLM-5.3(actor) + Kimi K3(curriculum/verifier)，纯开源权重，在 OSWorld 2.0 Hero 上反超 GPT-6 Astra / Claude Opus 5 `[待核]`。
-- **作者自限定**：这不是严格 RSI，而是 **bounded self-improvement** —— 架构、verifier 拓扑、验证流程、探索协议、broad/deep 控制结构、memory 更新的 harness 代码**全都不可改**；「递归在反馈过程里」。
-- 关键句：**"it is not the model, it is the agent"**；**"you don't have to modify the harness… if you just optimize the memory representation"**。
-
-### 10.2 它修正了 v2 `self()` 的什么（五条硬修正）
-
-| # | RSI-Agent 的要求 | v2 `self()` 的缺口 | 修正（已落到 §4.1/§4.2/§7） |
-|---|---|---|---|
-| 1 | 验证者必须**独立**，且**不看 actor 的私有推理** —— 否则两者会重复同一个无根据的解释 | v2 `self(check)` 用**同一模型 + 同一上下文**自检 = 自我确认循环 | `self(check)` 改为**上下文隔离**调用：只喂 artifact + 观测状态；`llm_completion` 的 stateless 特性已支持，缺的是**载荷契约** |
-| 2 | curriculum 决定「下一步探什么不确定性」 | v2 `self(next)` 只是**能力路由**（调哪个工具），不是**未知量选择** | 新增 `self(probe)` |
-| 3 | memory 由**干预实验**构建，而非轨迹摘要（原话：*rather than summarizing just some trajectories*） | v2 `self(note)` 只要「引用可寻址证据」 | `self(note)` 强制 **witness**（tool/result seq）；摘要型 note 不合格 |
-| 4 | broad > deep（一般情形） | v2 路由表无探索尺度概念 | 路由默认**先广后深**，仅当检测到 inconsistency 才 deep |
-| 5 | 「只优化 memory，不改 harness」 | v2 一度把三角色读成「要不要加 agent」 | 明确：**不加 agent**。`self()` 是 **memory 协议**，不是编排拓扑 |
-
-### 10.3 与 Astra 证据的合流（修正 v2 的隐含偏差）
-
-| 来源 | 主张 |
-|---|---|
-| Astra 双 harness | 自变量是 **harness 侧推理保留**（62.7% → 99.9%） |
-| RSI-Agent | 保留什么不重要；**被独立验证过、由干预实验产生的因果知识**才进 memory |
-
-合起来 → `self()` 的定位不是「留下更多 CoT 文本」，而是 **可验证的实验记忆（verified experimental memory）**。v2 §2 把 exo-CoT 定义成「可寻址 artifact」是**必要但不充分**的：缺了**验证门**与**干预来源**这两个条件，artifact 会退化成「模型的自我复述」。
-
-### 10.4 强 RSI 的边界（作者的 limitation = 我们的升级路径）
-
-作者自承 bounded，根因是**改进机制本身不可改**。若 `self()` 要越过 bounded：
-> 问题库 Q 与路由表（§6）必须**可被 agent 检视与修改**。
-
-这是 **phase-3 议题**，且属于**自我修改机制**（失控面），必须单独立项 + 独立验收，不得随本 change 一起交付。
-
----
-
-## 附录：证据锚点
-
-| 事实 | 锚点 |
-|---|---|
-| Astra ARC-AGI-1/2/3 全 effort 分数（双 harness） | [arcprize.org/results/openai-gpt-6-astra](https://arcprize.org/results/openai-gpt-6-astra) |
-| 两 harness 机制定义（notes 携带 / opaque reasoning + compaction） | 同上页面 harness 脚注 |
-| 62.7% vs 99.9%、成本 $26,098 vs $18,817 | 同上；本地整理 `codex-gpt6-astra-harness-research.md` §0、§2.1 |
-| GPT-5.6 两设置 13.3%→38.3%、输出 token −6× | `codex-gpt6-astra-harness-research.md` §2.2；官方存档 `reference/openai-how-two-settings-tripled-arc-agi3-scores.md` |
-| 保留推理 / 三层上下文 / 自管 notes / 自造工具 | 同上 §3.1–§3.4 |
-| 四路径 A/B/C/D + **推荐 D（标记 + 回溯）** | 同上 §10.3–§10.4 |
-| 可监控性下降 / 循环深度 / neuralese | 同上 §5、§11.3 |
-| dashr 的 `ctx://` 可回溯设计 | `docs/specs/ctx/spec.md`；`src/url-schemes/handlers/ctx.ts` |
-| `?q=` selector 既有 | `dashr/url-schemes-instruction.md` |
-| `llm_completion`（bare call，同 provider/model） | `dashr/src/llm-completion.ts:62`（注册 `src/index.ts:1144`） |
-| 只有 `dvc://` 可写的既有不变式 | `dashr/src/url-schemes/catalog.ts`（`SCHEME_CATALOGUE`） |
-| Tool Catalog 漂移事故 | `docs/50_test-reports/v0.1.8-improved-实测报告.md:134` |
-| RLM 论文 Obs.3（小输入交叉点） | arXiv:2512.24601；缓存 `~/.hermes/cache/web/arxiv.org-f7ccb39fbc.md` |
-| RSI-Agent 三角色 / verified memory / broad-vs-deep / bounded 自限 | `research/temp/20260917_Kimi-K3-GLM-53-Self-Improvement-RSI-Unlocked/transcript.txt` + `digest.md`；视频 https://youtu.be/-4tobA2vRIE（2026-09-16）· 论文 2026-09-14（Aether AI / UCSD / UIC） |
-| `[待核]` 数字（OSWorld 2.0 反超 Astra、broad>deep） | 仅视频转录，未与论文原文核对 |