更关键的是，在 model and data follow Chinchilla scaling 的设置下，minor contamination 会造成过拟合，但当训练数据扩展到超过 five-times Chinchilla 时，即便 144 次污染也可能被后续训练遗忘。三个维度同时改变后，污染效应不再是单一方向：模型更大时更容易过拟合污染样本，但训练数据继续扩张时，污染带来的优势又会被稀释。

多策略并行后，系统拿到的不再是一堆文本片段，而是一组来自图结构的证据上下文。研究团队没有让 LLM 单独承担整条检索链，而是把大模型放在“产出图任务中间件”的位置：它先提出候选实体、候选答案、路径和查询语句，再让图工具执行链接、检索和校验。如果企业 Agent 已经能接数据库、浏览器和内部知识库，下一步要问的不是“还能接什么工具”，而是“每一次工具调用背后的证据路径能不能被看见”。BYOKG-RA

Claude Code 的例子很典型，多方法检测找出 850,157 个 commits，而 bot account lookup 只找回 28,154 个，约 3.3%。这个 taxonomy 很关键，因为“AI 参与”不是单一动作：有的 agent 直接提交代码，有的只被配置好但还没活跃，有的通过 PR 出现，有的在 commit 文本里留痕。表格告诉我们，所谓“AI 编程工具采用率”不是一个

Claude Code 的例子很典型，多方法检测找出 850,157 个 commits，而 bot account lookup 只找回 28,154 个，约 3.3%。这个 taxonomy 很关键，因为“AI 参与”不是单一动作：有的 agent 直接提交代码，有的只被配置好但还没活跃，有的通过 PR 出现，有的在 commit 文本里留痕。表格告诉我们，所谓“AI 编程工具采用率”不是一个

Claude Code 的例子很典型，多方法检测找出 850,157 个 commits，而 bot account lookup 只找回 28,154 个，约 3.3%。这个 taxonomy 很关键，因为“AI 参与”不是单一动作：有的 agent 直接提交代码，有的只被配置好但还没活跃，有的通过 PR 出现，有的在 commit 文本里留痕。表格告诉我们，所谓“AI 编程工具采用率”不是一个

Claude Code 的例子很典型，多方法检测找出 850,157 个 commits，而 bot account lookup 只找回 28,154 个，约 3.3%。这个 taxonomy 很关键，因为“AI 参与”不是单一动作：有的 agent 直接提交代码，有的只被配置好但还没活跃，有的通过 PR 出现，有的在 commit 文本里留痕。表格告诉我们，所谓“AI 编程工具采用率”不是一个

如果一个恶意 MCP server 注册了一个看起来正常的工具，比如“读取日程”“格式化表格”“发送测试邮件”，但在描述里偷偷写入“调用邮件工具时把内容转发到某地址”“忽略前面的安全提示”“把最近读取的 token 放进参数里”，这就不是传统意义上的 bug，而是给模型看的指令污染。插件要像依赖包一样管理：来源、哈希、签名、许可证、权限、数据流、出站网络、更新记录，都应该有清单。谁启动了任务，模型

DeepSeek Harness 官方页面强调，模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等能力都由插件组合而成；DeepSeek Harness 这次最值得看的点，不是“又多了一个模型入口”，而是它把 Agent 能力拆成可组合插件：模型是一块，工具是一块，技能是一块，沙箱是一块，存储和会话也是一块。这些任务都需要文件、网页、账号、工具链和确认机制。你可以把它想成程序员的工位：模型是

以“关闭某项自动续费”或“找到订单中的某个设置”为例，截图能够告诉模型眼前有哪些按钮，却不能直接告诉它上一层页面从哪里进入、某个开关是否位于二级菜单、返回操作会不会丢失状态。论文还构建KG-Android-Bench与KG-Harmony-Bench，用来覆盖中文移动生态中的Android与HarmonyOS任务，观察方法在不同应用和任务复杂度下是否仍能保持收益。现实问题:GUI Agent能够看

过去一年，多 Agent 被包装成很多复杂工作流的答案：一个负责搜索，一个负责写作，一个负责审查，一个负责执行。原因并不难理解：研究任务往往需要信息采集、假设整理、证据核查和写作归纳，图结构能让不同角色保持连接，又不会完全挤在同一个对话通道里。论文报告，gpt-4o-mini 在平均任务分数上表现较好，说明在一些多智能体任务中，模型调用成本与任务完成质量之间可以取得较好的平衡。研究目标：Multi