从 INT8 到访问权限，把约定变成执行边界

量化推理｜低精度部署仍要支付语义对齐的成本

ZTA-Q 针对开源加速器对 TensorFlow Lite 整数推理端到端支持不足的问题，提出基于 RISC-V 的 INT8 CNN 平台，补充算子与可配置后处理通路，并研究乘法精度、共享移位缩放和舍入简化对精度的影响。论文实现运行在 Digilent Arty A7-100T FPGA、83.3 MHz；这给出了具体硬件条件，而非通用加速承诺。

编辑判断是，边缘推理选型不能只比较位宽和乘加吞吐，还要核对算子覆盖、缩放与舍入规则以及转换后的模型行为。论文针对代表性 CNN 的验证不能直接外推到 LLM、其他 FPGA 或 ASIC，资源开销与精度之间的权衡也需在目标模型重新测量。发布日期：2026-10-01；近期补充。

来源 A 级：ZTA-Q 原论文。

平台工程｜身份、判定和记忆分别交给明确的组件

AWS 的 Adjudicated Query 工程示例把自然语言入口限定在固定、带类型的 MCP 操作上，由确定性规则引擎负责逐条判定，模型负责选取操作和解释返回结果。每轮扫描生成完整性凭据，要求各类结果合计能够覆盖已扫描记录，无法读取或含糊的记录必须显式出现。

对 FDE 的启示是，交付企业 Agent 时应先确定哪些结论需要穷尽性、哪些只允许探索，再设计工具接口；一个排名靠前的检索样本并不能证明整个集合已被检查。示例提供可部署样本，但完整性仍依赖输入集合、规则版本和解析质量，不能把架构约束当作领域判定永远正确的证明。发布日期：2026-10-02；近期补充。

来源 B 级：Adjudicated Query 官方工程材料。

Amazon Quick 的 Live Data in Apps 则把发布时的数据快照改为访问时查询受治理的 Quick Sight 数据集，查询以实际查看者的身份执行，并沿用行级和列级权限。编辑判断是，AI 生成应用应复用数据平台的授权链，避免把构建者的权限或导出的静态数据带给所有读者。这里的“实时”仍受数据集模式约束：SPICE 数据要等待刷新，Direct Query 取决于底层数据源；列重命名和删除也需要重建应用查询。超出结果大小约束时需要聚合或分页，不能让看似完整的界面掩盖截断。发布日期：2026-10-01；近期补充。

来源 B 级：Live Data in Apps 官方工程材料。

持久化运行时还有另一条边界：AWS 展示如何把 S3 Vectors 实现为 NVIDIA NeMo Agent Toolkit 的自定义记忆提供者，并部署到 EKS，以多 Agent 研究工作流说明跨调用存储与检索。它是从接口到部署的集成示例，而不是新的模型能力基准。编辑判断是，记忆层应拥有独立的写入、搜索和删除契约，平台同时要管理租户隔离、来源版本、过期策略与删除传播。向量检索成功不代表记忆真实或仍然有效；该示例也不能证明任意业务负载的延迟、成本和回答质量，需要结合实际轨迹验证。发布日期：2026-10-01；近期补充。

来源 B 级：NeMo Agent Toolkit 与 S3 Vectors 集成材料。

科研计算｜用可执行验证管理昂贵的试错预算

CISE 研究低成本代理奖励误把不可行候选打高分的问题：通过条件共形推断与逐轮在线密度比估计，为候选构造奖励区间，使用保守区间指导自演化搜索，仅在所有所需属性区间都落在可行域时返回候选。作者在三项材料科学搜索任务中报告，返回候选经高保真评估均为真阳性，而基线返回更多候选但包含假阳性。编辑判断是，昂贵模拟或实验的调度应该重视候选精度与校准，而非只追求名单长度。该结果属于这些任务的实验观察；理论覆盖保证依赖独立性和协变量偏移等明确假设，不能写成其他领域、任意迭代过程的零误报保证。发布日期：2026-10-02；近期补充。

来源 A 级：Reliable Self-Evolution with Imperfect Proxy Rewards 原论文。

另一篇终端环境研究把既有科学软件工作流变成训练任务：执行多组结构化输入，划分公开观察与隐藏评估，让 Agent 根据接口和输入输出行为重建程序，再用领域语义比较、结构有效性和防捷径检查验证。作者实例化了六个领域、46 个软件家族的 500 个工作流，展示从科学软件获得可执行监督的路径。

编辑判断是，科研 Agent 训练环境的稀缺部分往往是可靠验证器，而不只是任务描述；复用成熟程序可以减轻逐题编写参考解的负担。隐藏配置通过仍不等于恢复全部软件语义，也不能证明在任意 HPC 环境、不同数值容差或外部依赖下正确；工作流与验证器本身仍要审查。发布日期：2026-10-02；近期补充。

来源 A 级：Self-Supervised Scaling of Terminal Environments 原论文。

安全与网络｜上下文策略和信任拆分需要共同落地

Google Research 于 10 月 5 日发布 Agent 隐私与安全研讨报告，强调非结构化输入、概率控制流和自主委派使传统静态权限与逐次确认难以覆盖长任务。报告主张在监督层加入上下文策略引擎，在执行动作或向外传输信息前判断当前情境下的适当性，并提出动态、多 Agent 评测环境等研究方向。编辑判断是，平台需要让任务目的、接收方和数据类别进入策略决策，不能仅凭工具已获授权就认为每次调用都合适。这是研究议程与架构倡议，尚不是已经验证有效的完整防御方案；动态生成策略如何被独立约束和审计仍是核心问题。

发布日期：2026-10-05。来源 A 级：Google Research 原始报告发布。

Cloudflare 的 OHTTP Gateway 公布封闭测试，将网关托管能力补到已有的 OHTTP Relay 产品旁。OHTTP 让独立运营的中继看见客户端连接而无法读取加密请求，网关解密请求却不直接获得客户端 IP；应用已经位于 Cloudflare 后方时，需要配合第三方中继维持信任分离。

它与上述上下文策略处理不同层次的问题：网络路径减少身份关联，策略层控制请求内容和动作。Cloudflare 明确提醒 OHTTP 不会清理请求体中的邮箱、用户名等标识，因此不能把网络匿名性写成完整的数据隐私保证；新 Gateway 仍为封闭测试与候补申请状态，也不能视作全面可用。发布日期：2026-10-02；近期补充。

来源 A 级：Cloudflare OHTTP Gateway 原始发布。