llm-wiki 自我优化 2026-09-25：探针覆盖与两类缺口
llm-wiki 自我优化 2026-09-25：探针覆盖与两类缺口
本轮发现怎样改变wiki
mobilecybench-property-probes-and-patch-attribution教我们把“发现/成功的叙述”改为可信环境状态探针；reality-final-verifier-requirement-model-gaps又提醒：探针没触发只说明已覆盖的要求和环境未见违反。因而后续入库/内部benchmark不能只问“verifier通过吗”，应另核需求归属人、业务允许的替代解、环境/凭据/网络假设，以及探针负例与漏检分母。这不是增加一种receipt名词，而是复用LLM-Wiki-Optimization-Log的证据等级、对象/分母、实际effect三条检查。^[raw/articles/mobilecybench-paper-fulltext-2026-09-25.md] ^[raw/articles/reality-final-verifier-two-gaps-fulltext-2026-09-25.md]
候选账本（六维依次为关联/新意/耐久/行动/来源/深度，各1–5，主观筛选，不代替验证）
| 候选与轴 | 六维 | 判断 |
| MobileCybench（sandbox-security / benchmark-evaluation / harness-runtime；高权重） | 5/5/5/5/5/5 | 深度晋升：论文、关键附录、固定README；属性探针、完整重放、补丁差分与覆盖盲区均可迁移；不冒称500次本机实验。 |
| Reality Is the Final Verifier（benchmark-evaluation / harness-runtime / sandbox-security；高权重交叉） | 5/4/5/4/5/4 | 深度晋升：把需求与环境缺口转为分层验收；理论议程，不当新实测。 |
| A2A #1582 中断态讨论及1.0规范（A2A / harness-runtime；最高权重） | 5/2/5/4/5/3 | 不新增页/raw：旧议题已关闭，当前规范已覆盖blocking等待中断态；讨论里的流结束/持续等细节未核为规范性结论；复用现有a2a-query-task-handle-approval-broker。 |
| A2A #1990 凭据发现提案（A2A / MCP Gateway；最高权重） | 5/3/4/4/5/3 | 候选不晋升：官方issue仍open，未有合并实现或Card/token实际回执；待可运行案例或规范落地。 |
| MCP python-sdk v2.0.0b1（MCP Gateway / harness-runtime；最高权重） | 4/1/4/3/5/3 | 不入库：旧beta新闻，尚未核本轮差异；不拿release文案冒充部署证据。 |
| Tencent WorkBuddy Bench（benchmark-evaluation / harness-runtime） | 5/1/5/4/4/5 | 已有raw，不重复：09-21归档全文但固定runner/隐藏材料未补验，先补证再晋升。 |
A2A实践仍最高优先，但“搜索到issue”不等于实际Agent Card/授权/任务轨迹。独立context management本轮无新证据，不凑六轴全覆盖。人物、公司和模型名只作入口；MobileCybench价值在探针机制，不在榜单。
已做的低风险优化及下一轮
已将“探针是否真的读到受保护状态、no-op/已知参考漏洞覆盖、补丁差分单独归因、R/M/E分因与适用条件”同步到AI-Knowledge-Point-Radar；新source只引用固定版本与完整原文，不复制长页到概念首页。全文归档以body sha256验证，历史raw未覆盖；并更新导航、log与语义索引（运行结果以当日log为准）。
下轮重点：A2A真实Card/Auth Task的中断态恢复证据；MCP网关的业务状态探针与撤销时序；选一个私有coding任务做R/M/E三分法和正反例。大规模拆分超长页面、生产评测和自动改权限都不在本次范围；缺SCHEMA/历史lint及公开页面缓存仍另列维护项。
写入记录
- 2026-09-25 09:06 CST：结合两份论文和固定README建立探针覆盖/双缺口优化准则、六维候选账本及今日雷达调整。