2026-06-29-Autoresearch-AllTopics-Update

Scope

本轮是 6/25 all-topics update 与 6/26 venue/daily 大回填之后的增量检查。按 autoresearch 先读 agenda / queue / memory / logs：queue 为空，6/27-6/29 无新日志或 daily；最近有效活动集中在 6/26，且已完成大规模 CVF/期刊回填。

因此本轮不重复大批量 backfill，而是跑 daily-papers --days 3 做 6/27-6/29 横向候选扫描，再只对真正改变当前判断的论文做 digest 和 synthesis。

Retrieval Snapshot

fetch_and_score.py --days 3：HF 17 篇，arXiv API 503，OpenAlex 126 篇，CVF 7600 篇，合并 7724 篇，最终候选 30 篇。
高分候选里大量论文已在 6/26 覆盖：2606-QwenAgentWorld、2606-OpenRath、2606-MemGUI 以及多篇 CVF/VLA/GUI 论文已存在笔记或 backfill metadata。
本轮新增 digest：2606-FastContext、2606-ArborHTR。

Main Update

过去 3 天最有价值的新信号不是“又多了一个 GUI/VLA benchmark”，而是 agent runtime/research workflow 正在把状态、探索、验证拆成可训练/可审计的一等接口。

具体说：

2606-FastContext 把 repo exploration 从 coding agent 主轨迹里拆成 read-only subagent，返回 file-line evidence；这证明 “explore context” 可以是低成本、可训练、可验证的 runtime affordance。
2606-ArborHTR 把 autonomous research 的 state 显式化为 hypothesis tree，并用 isolated worktree executor + held-out merge gate 抑制 dev overfitting；这说明“长期推进研究”需要 durable search state，而不是更长的 chat transcript。
6/26 已读的 2606-OpenRath 正好提供底层 session-state substrate：runtime evidence 应该随 Session 值流动，而不是散在日志、memory、tool traces 里。

三者合起来，把 Agent-Facing Environment Runtime 的 framing 从 “环境暴露 state/verifier” 推进到：

agent-facing affordance 的关键不是给更多信息，而是给 可引用、可回放、可验证、可作为后续搜索约束的 evidence/state object。

Topic Updates

Agent-Facing Environment Runtime

新增证据：2606-FastContext、2606-ArborHTR。
判断更新：AFE 的 observe/map/rollback/verify 不应只是 API list，而应区分两层：
- execution-level evidence：像 FastContext 的 file-line citations、OpenRath 的 session chunks，服务当下动作选择；
- research/search-level evidence：像 Arbor 的 hypothesis tree，把失败、约束、held-out admission 变成跨轮决策状态。
对 AFE-MiniSuite 的启发：需要一个 explore_context() 或 evidence_slice() affordance baseline，和 plain observation / prompt-only baseline 区分开；还要加 held-out task family，避免 agent 只 overfit visible verifier。

GUI Grounding Robustness

本轮没有发现比 6/26 的 OS-Oracle / GUI-HalluBench / ReFAct / Ego2Web / GUIDE 更强的新 grounding 信号。
候选里的 JoyAI-VL-Interaction 是 real-time proactive VLM interaction，更偏 always-on multimodal assistant；对 GUI grounding 的直接贡献弱，暂不应打断当前 AFE 主线。
当前判断维持：grounding robustness 作为 secondary high，最适合并入 AFE 的 evidence-dependence / observe-verifier framing，而不是单独扩张。

RL-based GUI Agent Training

FastContext 的 4B-RL explorer 是小模型 + task-grounded reward 的强例子：SFT 学 behavior scaffold，GRPO 用 patch-derived file/line F1 做 refinement，能在部分设置超过 30B-SFT。
Arbor 的 HTR 则说明 RL/training 之外，structured search + held-out gate 也是 long-horizon agent improvement 的关键。
对本方向的含义：继续不建议回到旧的 GUI credit assignment 子方向；更有价值的是 verifier-grounded reward/data construction、small specialized subagent、held-out admission protocol。

VLM / Multimodal

SELongVLM、JoyAI-VL-Interaction、PaddleOCR-VL-1.6 都有一定信号，但都不是当前 active directions 的 bottleneck。
如果后续要扩展 VLM topic，优先级排序应是：SELongVLM（长视频 self-corrective clip selection，可能关联 LVAgent/VideoSeeker） > JoyAI（real-time proactive interaction） > PaddleOCR-VL（document parsing 工程升级）。
本轮不新增 VLM survey，以免从 primary direction 漂移。

Embodied / VLA

候选中 ActiveVLA、CoA-VLA、FedVLA、MoMa-Kitchen、HybridDriveVLA、Kairos 等大多已在 6/26 venue backfill 中覆盖或属于 embodied/VLA backlog。
Kairos / Cosmos 3 代表 Physical AI world model stack，但和当前 GUI/CUA runtime 的连接仍是间接类比：transition model / simulator / persistent state，而非可直接落地的 AFE affordance。

Auto-Research / Notebook Workflow

2606-ArborHTR 对当前 notebook 维护方式影响最大。Workbench/agenda.md + logs 能记录状态，但缺少 hypothesis tree：失败方向、负证据、暂停分支、merge gate 都是散的。
2606-FastContext 提醒当前 paper discovery / survey 流程也可拆出 read-only evidence explorer，减少主 agent 在候选噪声里反复检索。

Candidate Triage

Decision	Papers	Reason
新增精读	2606-FastContext, 2606-ArborHTR	直接影响 agent runtime / autoresearch workflow，且有可操作系统设计启发
已覆盖，不重复	2606-QwenAgentWorld, 2606-OpenRath, 2606-MemGUI, 2606-ActiveVLA, 2606-GraphVLM, 2510-FedVLA, 2510-MoMaKitchen	6/26 daily/backfill 已有笔记或去重记录
Watchlist	JoyAI-VL-Interaction, SELongVLM, Kairos	有潜在价值，但不改变当前 active direction 的 next action
跳过	DomainShuttle, Moebius, MemSlides, Structural Pruning LVLM, StoryVideoQA, inclusive multi-label recognition, synthetic AD data	off-primary、偏图像/视频生成/模型压缩/自动驾驶数据，暂不值得消耗 digest budget

Key Takeaways

AFE 应从 API framing 升级为 evidence object framing：暴露 state 本身不够，必须让 state 可引用、可回放、可进入后续验证/搜索。
专用小模型 subagent 是高性价比方向：FastContext 说明 4B explorer 可以替 frontier solver 承担高噪声探索，主模型只消费压缩证据。
long-horizon research 需要 held-out gate：Arbor 的 dev/test split 暴露了 agent 会 overfit development evaluator；AFE/GUI benchmark 也应把 visible verifier 与 hidden verifier 分离。
当前 next action 仍是实现 AFE-MiniSuite，而不是继续扩文献：过去 3 天的新证据强化了 primary direction，但没有改变“需要原型验证”的瓶颈。

Next Actions

在 AFE-MiniSuite spec 中增加 evidence_slice / explore_context affordance，对照 FastContext-style compact evidence 与 prompt-only full observation。
给 AFE 实验加入 held-out app/task-family merge gate：dev apps 用于调参，hidden apps 只用于验证 affordance 是否真的提升 transfer，而非泄漏 verifier。
将 Arbor 的 hypothesis-tree 思路作为 notebook evolution 候选：用 Ideas/ 或 Projects/ 记录 competing hypotheses、negative evidence、merge/prune decision，避免 logs 线性堆积后丢失搜索结构。

DeepRead

Explorer