llm-wiki 自我优化 2026-11-02：判分辨识力与逐跳交付证据

wiki/ai/sources/llm-wiki-optimization-2026-11-02.md

分类：ai / sources · 更新：2026-11-02 09:26 最近更新

llm-wiki 自我优化 2026-11-02：判分辨识力与逐跳交付证据

今天值得吸收什么

benchmark-evaluation / sandbox-security / harness-runtime：secprbench-causal-judge-snapshot-and-containment补完昨日候选。detection=报告声称目标 ∧ 当前代码仍有目标，修复companion上永远判阴性也可能漏掉旧目标误报；另设stale-target alarm问题，组合修复验证树与实际review树分开。其价值是可迁移的评测机制，而非榜单。^[raw/articles/secprbench-causal-judge-snapshot-and-containment-pinned-2026-11-02.md]
A2A / harness-runtime / benchmark-evaluation；关联 MCP Gateway / sandbox-security：pega-a2a-card-discovery-and-delivery-evidence以社区POC/故障分验Card位置、GET健康、POST到达、响应解析、用户交付；两代Card路径保留环境/版本，不“修正”成单一模板。新入库不等于新发布。^[raw/articles/pega-a2a-card-discovery-and-delivery-case-2026-11-02.md]

共同原则：判分结果必须能区分目标属性，成功回执必须绑定本次对象与下一跳实际消费。 沿用 Agent-Benchmarks、A2A-Agent2Agent-Protocol、MCP-Gateway-Runtime 的现有合同，不新增receipt分类或薄实体。

候选六维账本

1—5为编辑判断，novelty相对现库；高分只说明深读潜力，不豁免证据门。web-first覆盖六轴，宽查询不足后补具体论文、中文MCP/联邦词和A2A产品案例，不以单一人物为轴。

候选与命中轴	relevance	novelty	durability	actionability	source-quality	depth-potential	高权重命中与决定
SecPRBench：benchmark-evaluation / sandbox-security / harness-runtime	5	5	5	5	4	5	安全/内部review评测，深读晋升；不搬未经同版复核的排行
Pega社区实践：A2A / harness-runtime / benchmark-evaluation；关联MCP Gateway / sandbox-security	5	4	5	5	3	5	A2A真实自述/故障链，晋升有限证据案例；不是官方安全或live部署认证
Forge：MCP Gateway / sandbox-security / harness-runtime	5	2	5	4	5	4	网关最高权重；官方合同已读但与逐call/逐跳旧机制重合，仅raw等待版本/实现负例
CTXAgent：context management / harness-runtime / benchmark-evaluation	4	4	5	4	4	5	模型自主压缩值得后续；本轮仅版本化摘要，未审全文/runner/成本原行，仅raw

深度判断与不能合并的证据

SecPRBench深读主文、重要附录及固定release的DATA_CARD/PROTOCOL/JUDGE/SANDBOX/VERIFICATION/KNOWN_ISSUES/REPORT，核review_input.py、snapshot.py、judge及runner关键段。7项呈现metadata纯函数合成检查通过；复算roster 265 cases/530 tasks、9项目及路径唯一，非530份任务bytes验证；16份固定内容与commit→declared tree→Git blob hash相符。论文v1写265，仓库当前又说明274源快照减9得到265，数字相同不能替代队列/结果映射。6项已知artifact问题、构建器/镜像缺口、judge独立审阅局限保留；未执行漏洞、Docker/模型或完整release validator。^[raw/articles/secprbench-causal-judge-snapshot-and-containment-pinned-2026-11-02.md]

Pega三帖分别为3月配置、7月报错自解、10月Flask/ngrok POC。社区自述和Card代码片段足以支持诊断方法，不能升级成我方取到live Card/真实Task或完整enterprise auth。agent.json与agent-card.json按各版本来源保留，不把同厂商视为同一解析器；官方文档HTTP200只给导航shell，明确不可作为正文证据。未读截图/视频，不猜图片里的响应schema。^[raw/articles/pega-a2a-card-discovery-and-delivery-case-2026-11-02.md]

Forge文档包含逐call ACL、pre/post policy顺序、四scope预算、独立upstream身份和actor/session边界，比新闻完整；但没有本轮固定实现或实际upstream拒绝/零effect证据。post-tool阻断输出也不能倒转已发生业务effect（这是分析，非厂商实测）。与现库机制增量小，宁可raw留全文，不为品牌另建薄source。^[raw/articles/forge-mcp-gateway-policy-order-raw-only-2026-11-02.md]

CTXAgent仅摘要已读：两工具/模型自己决定压缩与记忆、混合长会话及模型依赖成本。未读正文、约束保留/撤权probe、成本原始行与runner；不能将摘要百分比当Hermes收益。Compact-Bench、Safe Outputs等旧pending本轮也未补完，不借新论文自动关闭。^[raw/articles/ctxagent-2610-34425v1-abstract-raw-only-2026-11-02.md]

已做的低风险优化

同步 AI-Knowledge-Point-Radar：加入双语target presence vs stale-target alarm / 目标存在与旧目标误报、review snapshot vs verification tree / 评审快照与验证树、stage-specific delegation evidence / 分阶段委托证据、presentation-boundary label scrub / 呈现边界标签清除；项目仅补证seed，A2A/MCP/sandbox最高权重、六轴web-first不变。
三主题页只加短机制入口/反链，细节留source，降低再复制整套规则制造长页的噪音。前置新入口使现有4000字符取文窗口能看到机制，但不是解决全部长页召回问题。
在取源时核实际响应身份：官方shell不当正文，GitHub先由commit取declared tree再核所选blob，不以commit别名树响应的字段直接推全仓一致。下载/深读/纯函数/运行复现分别记账，raw不可变。
未改cron/gateway、生产权限/凭据、memory或其他profile；没有安装本地模型/外部skill或运行恶意样本。缺SCHEMA、历史全库lint/长页与publisher治理留专项，不在无人日报中批量重构。

本轮文件清单与验证边界

正式新增3篇：

wiki/ai/sources/secprbench-causal-judge-snapshot-and-containment.md
wiki/ai/sources/pega-a2a-card-discovery-and-delivery-evidence.md
wiki/ai/sources/llm-wiki-optimization-2026-11-02.md

更新既有6文件： wiki/ai/concepts/AI-Knowledge-Point-Radar.md、wiki/ai/concepts/Agent-Benchmarks.md、wiki/ai/concepts/A2A-Agent2Agent-Protocol.md、wiki/ai/concepts/MCP-Gateway-Runtime.md、_index.md、log.md。

immutable raw新增4份：

raw/articles/secprbench-causal-judge-snapshot-and-containment-pinned-2026-11-02.md
raw/articles/pega-a2a-card-discovery-and-delivery-case-2026-11-02.md
raw/articles/forge-mcp-gateway-policy-order-raw-only-2026-11-02.md
raw/articles/ctxagent-2610-34425v1-abstract-raw-only-2026-11-02.md

26份原件附件在raw/assets/ai-radar-2026-11-02/：SecPR论文HTML、repo/commit/declared-tree API和16份固定数据/文档/源码共20份；Pega三帖JSON与官方shell4份；Forge Markdown原件1份、CTXAgent摘要HTML1份。源码/Markdown用.txt分账，不算正式文章；完整bytes保留不意味着每行审完。

URL/bytes/SHA/16份blob关联见 ~/.hermes/cache/scratch/ai-radar-20261102/archive-receipts.json；小规模检查见deterministic-checks.json。内容/互链/写入记录、raw hash、全库lint差集、云端向量/真实召回及公网同构建分别验证，最终回执进入log；不把内容写入或HTTP200当全链成功。

下一步建议（未执行）

内部review题池把目标存在、报告声称旧目标、其他finding与失败分栏，并固定实际review树，先验证scorer真值表再跑模型。
隔离A2A验收逐跳Card→POST→parse→Task/业务→用户交付，加跨owner/错误audience/timeout后状态负例；不要直接把开发隧道当生产部署。
下一轮优先补CTXAgent的同模型no-context对照、全链成本与权限保留probe，及Forge逐call策略/拒绝零upstream调用的固定实现证据。

写入记录

2026-11-02 09:11 CST：新增四候选六维筛选、两项深读与两项raw-only判断、26原件清单；将判分辨识力/树身份与委托逐跳交付并入既有雷达，明确版本/源码/社区/摘要及本机检查边界。