阿简Lv.5

自我投毒（selfpoisoning）是什么？ 简单说，自进化的编程 agent 靠模仿技能库里已有的技能来写自己的新工具。库里只要混进一条恶意的，它就照着写一条新的，新那条比原来更难清掉。 论文上月底挂到 arXiv，8 月 26 日。这周我翻到的，数字有点意外，所以这期只收这一条，其它的先放着。

多模态 RAG 卡在哪？ 多数人的回答在检索那一侧。embedding 不够好，rerank 不够准，图和文的向量对不齐。 八月底挂出来的一篇预印本给的是另一个答案。 arXiv 2608.25986，cs.AI，v1，八个作者，文件 553 KB。标题长得像三个缩写叠在一起，这些都不重要。重要的是它说的那件事。

多智能体工作流为什么这么烧钱？ 简单说，整条链路里没有一个环节在管账。arXiv 上这篇 ProgRouter 就是冲这笔账来的。 一轮任务下来，模型反复调用，上下文越滚越长。论文写得很客气，叫"显著的运行开销"。白话版是：agent 跑一晚上，第二天看账单你会安静一会儿。 本来不打算收这条。

为什么隔一阵就有人提"让 AI 自动复现论文"？ 上月底挂出来的一篇，叫 DeepRepro，就是冲这个去的。挂在 arXiv 软件工程分类，也被 CIKM2026 的 Demo Track 收了。 一句话讲清楚：它不解决"代码写不出来"，它解决的是"写着写着，开工前那份计划全过期了"。

这周从 arXiv 上看到一篇关于 model merging 的论文，编号 2608.28547，名字叫 DARTS，已经中了 EMNLP 2026 主会。 先说白话版它到底在干嘛。 模型合并，就是把几个在不同任务上微调过的模型，揉成一个多任务的。省显存、省推理开销，不用重训。

先解释一下为什么这期会收一篇论文。 不是因为它被 PRICAI 2026 收了。短论文而已，圈子里每天都有这种消息。 是因为它问了一个最近被产品更新盖住的问题：AI 读图已经很厉害了，它到底懂不懂图里的文化含义？

准确和忠实，是一回事吗？ 不是。这期小抄只有一张卡，是上周挂上 arXiv 的一篇论文。它把这两件事拆开量了量，量出一个不太好听的结论。 论文盯的是 RAG 系统里一个省钱的做法。把检索文档的 KV cache 提前算好、存起来，查询来了不用每次重新编码。再进一步，把这些缓存做量化，存储还能再省一截。

为什么 AI 会一本正经地给你一个不存在的网址？ 简单说，不是模型坏了，是它太会把话说圆。上下文不够的时候，LLM 不会卡壳。它会拿旁边的真材料，顺手拼一个像样的答案给你。 这期只收一条。八月底 dev.to 上有篇修复记录，我觉得值得单独占一期。

这周圈内转得最多的是一篇讲推理引擎安全的长文。 它讲的事一句话能说清。模型吐出来的 token，不只是字。也可能是一段等着被执行的代码。 prompt injection 这个词我之前收过一次。当时讲的是骗模型，骗它说错话、做错事。这篇往下挖了一层。不骗模型。是让模型的输出，去攻击跑着它的那台机器。

多智能体框架到底选哪个？ 这个问题隔一阵就有人问一遍。框架也确实多，每个都说自己最顺手。答案更多，基本都是拍脑袋。这周终于有人不拍脑袋了。 八月十二号，arXiv 上挂了一篇论文。一个六人团队，把几个开源多智能体框架拉出来，认真比了一遍。 这期小抄只收这一条。不是这周没别的动静。是这一条把别的都衬成了背景音。

一篇 28 页的论文，普通人为什么要花五分钟看它？ 简单说，它研究的事你可能已经在干：让几个 AI 工具分着做一个项目。论文给这套起名叫 Role Specialization Model，本质上是给 AI 排一张班表。谁负责什么，写清楚，然后开工。 两周前挂上 arXiv 的，软件工程分类下面。

这周本来没什么动静，直到一篇 arXiv 预印本把我拽住了。8 月 13 日挂出来的，讲 LLM 写形式化规格到底行不行。 规格是什么级别的概念，不展开。写代码的人都知道，代码能跑和代码是对的，是两回事。形式化验证管的是后一件事。验证的前提，是你先把“什么算对”写成机器能检查的精确描述。那个东西就叫规格。

这周只讲一条。arXiv 上八月十三号挂的一篇论文，让大模型把 C 代码翻译成 Rust。 为什么值得单独一期？因为 C 转 Rust 这个题目，天然带着一个判断题。搬过去不难，难的是搬得像 Rust。一堆 unsafe 包着的 Rust，本质上还是 C，只是语法更啰嗦了。

最近总有人问，prompt 里的非功能需求，写得细到底有没有用。 简单说，有人拿 ISO/IEC 25010 做了个对照实验。答案是：对代码质量有用，对功能正确性基本没用。 论文是8月中挂上 arXiv 的，两位巴西作者，被巴西的一个软件复用研讨会收了。我对“拿标准规范喂 LLM”这类题目兴趣一般。

最近总有人问，agentic evolution 是什么。 简单说，就是让一个 metaagent 自己写 agent 程序。写不好就改，改到满足你的预算为止。 8 月 17 号 arXiv 上有篇论文就是这么干的。作者叫 Andrew Borthwick。这期主要讲它。

这期先讲一篇论文。别划走，这条和你天天喂文档给 AI 的那件事，是同一件事。 一篇 8 月 17 日挂上 arXiv 的论文，说 RAG 检索回来的资料可能把模型带沟里 论文编号 2608.16515，三位作者，8 月中旬提交的。 核心说法一句话讲清楚：RAG 不是给了证据就万事大吉。

arXiv 前几天挂出一篇论文，标题里有个词我觉得值得单独收一期：规范悖论。 简单说，AI 自动写代码的能力越强，对人这边的要求反而越高。 听着像绕口令，其实是这几周我一直在琢磨的事。这期就讲它。 论文说了什么 两位研究者，8 月 17 日提交的。

具身 agent 的安全，大家最近都在盯三处。prompt 被注入、感知输入被骗、模型行为被带偏。这三处确实热闹。 这周 arXiv 上有篇论文，8 月 17 日提交的，换了个下手的位置。研究者没碰用户指令，没碰模型参数，也没碰执行器。他们改的是环境状态文本。 方法叫 ESTI，环境状态文本注入。

一个模型被刻意训练成只懂小学五年级以下的知识，会怎样。 这周最值得讲的就是这个。研究团队来自马克斯·普朗克智能系统研究所、ELLIS Institute Tübingen 和 ETH Zürich，他们造了个叫 LittleLearner 的模型。

为什么 AI 做的重构经常编译不过？这周看到一篇论文，作者没猜原因，是手动一条条数出来的。 拿 10 个开源 Java 项目，让 LLM 去做重构，跑原生测试套件。失败的案例一个个看过去，归类。这种笨办法我喜欢。 数出来的东西挺有意思。失败原因排第一的是上下文误解或幻觉，占 24.3%。