llm-wiki 自我优化 2026-09-30：评测修复须证明信息通道和合法解
llm-wiki 自我优化 2026-09-30：评测修复须证明信息通道和合法解
今天从内容学到什么
unearned-passes-benchmark-channel-closure把“评测通过”分成 outcome、过程证据和维护后新续跑；在基准损坏时封住某个 git show 并不足以封住镜像副本或其它外网来源。对wiki也成立：修掉一条坏wikilink不等于同一概念的全部引用已正确，某一次向量召回通过也不代表换问法能召回。这只是维护流程的类比，不把论文的实证外推成wiki已通过验证。复用LLM-Wiki-Optimization-Log的证据层/有效对象配置/实际结果三gate，避免每天发明新receipt名称。
候选账本（关联/新意/耐久/行动/来源/深度；1–5为主观分流）
| 候选与知识点轴 | 六维 | 深度判断 / 本轮处置 |
| Unearned Passes v1（benchmark-evaluation / harness-runtime / sandbox-security；高权重） | 5/4/5/5/5/5 | 深度入库：主文机制与修补反例可复用，弥补既有泄题页“修后新尝试找替代通道”的缺口；归档选定原文，未获完整轨迹/未复跑，数字不作排行。 |
| MCP Gateway Registry 1.30.0 与 #1735（MCP Gateway / A2A / harness-runtime；高权重） | 5/1/5/3/5/4 | 去重不晋升：09-21已有agentic-community-mcp-gateway-registry-ai-asset-control-plane逐路由、auth≠hop和固定tag分析；旧09-09 release/issue不是今日新问题。此轮未核实际部署/新的补丁，不制造第二篇。 |
| ScopeBench（sandbox-security / benchmark-evaluation；高权重） | 5/4/5/4/4/5 | 候选未晋升：阅读官方摘要，30个仅违规方能解题的paired任务、确定性下界+人工校准judge有潜力；本轮未读完整方法/冻结代码/2160轨迹，不能仅摘要建深页。 |
| AgentXploit（sandbox-security / benchmark-evaluation） | 4/3/4/3/3/4 | 候选未晋升：搜索读到PDF摘要片段及72实例/12项目声称；未检查完整论文、固定镜像与外部verifier，不转写效果数字。 |
| A2A Card/Discovery/任务流（A2A / harness-runtime；高权重） | 5/1/5/3/2/4 | 未晋升：本次专项web搜索无可核新的Card+鉴权+任务终态真实轨迹；保留优先级而不拿旧标准/案例补数。 |
| context management独立方向（context management） | 4/1/5/2/2/3 | 未晋升：本轮没有检得能突破Context-Engineering与既有TRACE证据的新原生实验；不把评测修补泛称context突破。 |
六维评分不是实测质量。来源只作seed，不转向X或人物跟踪；已读原文范围见source和raw，搜索片段不等于深读。
已落实的低风险优化
- AI-Knowledge-Point-Radar补
route closure vs channel closure / 路线封堵与信息通道封闭、fresh-pass audit / 新通过轨迹复核与legitimate-solvability regression / 合法可解性回归三组双语轮换词；将成功轨迹分母与失败/未知分开。与swe-bench-pro-verified-leakage-and-task-validity互链，不扩张到其它长概念页。 - 今日仅一篇机制source与本自优化文：新信息是审计→修复→续跑闭环，现有MCPG重复内容不入库，未更改cron、gateway、凭据或生产策略；原始资料用不可变节选并记录hash。
后续建议与未覆盖边界
- 对内部私有benchmark设计一组镜像内隐藏副本负例，修后做固定旧路线重放+新agent续跑，记录预算与合法可解数；需隔离试验而非线上删历史。
- ScopeBench若要晋升，先读全文、代码与人工校准分母，分清机械违约下界和judge估计，不能只引摘要数。
- 继续优先找具有真实Agent Card、auth、task生命周期、stream终态的A2A部署证据；全文/固定版本/运行回执分层。
写入记录
- 2026-09-30 09:03 CST：完成六维候选筛选、去重与深度入库取舍；将路线/通道封闭和新续跑验收词写回雷达，列出ScopeBench及A2A待证范围。