分层回答 RSI 真伪：工程自动化层已跨门槛（Anthropic >80% 代码、AlphaEvolve 回收 0.7% 全球算力），研究自主层仍在断崖前（Princeton 影子评估两篇投稿全被拒），物理约束层同时收紧（HBM 2027 短缺、并网 4–7 年、研究生产率降 41 倍）。含验证层级判别工具、L0–L5 分类学、7 组冲突案例归因、24 行量化结论台账与 17 项未获取清单。

2026 年 9 月 15 日凌晨，Opus 5.2 在 Claude Code 中被曝灰度测试，"RSI 真来了？"随即刷屏。本文不站队，把这条新闻拆成三层证据：官方一手（Anthropic《When AI builds itself》《2026 年 8 月风险报告》《Introducing Claude Opus 5》）、媒体转述、社媒传闻，逐条甄别。结论：Opus 5.2 是一次模型灰度而非发布，属"有界自我精炼"的连续爬坡，开放式 RSI 尚未发生；"gauntlet loop"是社区提示词方法而非模型内置能力；"Model 2 高 12.5 分"与官方"增幅不大"口径冲突；"替代 85% 研究团队"溯源到社媒，与官方"18 名受访者中仅 1 人认可"直接矛盾。文末给出"三层证据法"与三个必问问题，并指出真正该盯住的是"智能体能力与验证能力之间的差距"。

中篇回答一个容易被标题带偏的问题：这次在递归自我改进（RSI）坐标系里站在哪一级？用本站 L0–L5 阶梯逐级排除，结论是 L3 命中、L4 未到；用验证层级解释"为什么基础设施最先闭合"；用闭环四问定性为"RSI 前体"。随后拼上 GLM-6.0 的三支柱（数据自产／环境自造／基础设施自我优化），指出只有第三支柱拿到了 A 级公开证据，另两根仍在公告层面。最后逐条核查七个流传最广的数字：3 倍的分母是同硬件初始基线、1/40 是价格比而非成本比、10 万卡型号未官方确认、62 万亿是双平台 6 天累计量，并给出 8 项未获取清单与 4 条可证伪条件。

完整版（含研究方法、逐条证据台账、口径冲突清单、常见误判澄清表、渐进式落地路线与 18 条参考文献）。逐层拆解 Agent 沙箱七层架构：microVM 隔离边界、快照恢复启动路径、Intel IAA 硬件加速压缩、分层镜像按需加载、高密度超卖调度、默认拒绝安全基线、K8s CRD 编排标准。锚定 Firecracker NSDI'20、Sabre OSDI'24、DeepSeek DSec arXiv 2609.22978、Kubernetes SIG Apps Agent Sandbox 等一手来源，每条结论标注证据等级（A/B/C/D），并列呈现视频口播与论文的口径冲突、8 条常见误判澄清，并明确列出 5 项官方未公开事项。

FDA 批准的 AI 医疗器械已超 1600 个，四分之三以上是影像产品；但深挖审批数据会发现，做过前瞻性临床测试的只有 5%。本文讲清影像 AI 为什么跑赢所有医疗 AI 赛道、审批繁荣背后的证据缺口，以及从获批到「医院真用、有人付钱」之间还隔着什么。

位于埃及帝王谷的图坦卡蒙陵墓一直令考古学家困惑不已，怀疑墙壁后面有隐藏密室。借助于雷达，研究人员认为他们找到了密室存在的证据。但是否发掘密室还需要等待埃及最高文物委员会的批准。如果批准，发掘工作最快将于 11 月启动。图坦卡蒙陵墓建于公元前…

2026 年 9 月 17 日 Anthropic 首次公开内部指标：截至 8 月 Claude 已「主导」（AL4）26% 的 AI 研发工作，半年前不足 1%，同时约 3 万个 Agent 在线、单月超 10 亿次决策。本文按事实进度分层陈述，每项数据标注权威来源（Anthropic 官方文档、METR、Epoch AI、Import AI、Google DeepMind、OpenAI）：工程与代码层已跨过门槛（SWE-Bench 2%→93.9%、CORE-Bench 21.5%→95.5%、任务时间视野 30 秒→12 小时）、AI 研发流程层解既有问题已上移而「提新问题」尚无证据、Agent 运行与监督层双层 100% 覆盖已上线、资源分配层安全研究占算力约 6%（单周）、上限 AL5 = 0，另附约束条件量化数据、官方与权威机构的进度预测、6 项后续跟踪指标、来源清单与未获取清单。

下篇把前两篇的结论落到可操作层面：先与站内"算子篇"做视角分工对照（工程师证词 vs 厂商证词，共同指向"方案/目标/边界的敲定权"这一尚未自动化的一格）；再划出五条不该被叙事盖住的线——判断侧仍空着、能力与风险同源、内部口径的自我循环、成本曲线自主但供应链集中、叙事与资本的相互强化；随后给出三份清单：给 Infra 工程师的 7 条稠密反馈可复用做法、给技术管理者的 5 个评审问题、给投资者与产品经理的 4 个可跟踪指标。附录含完整时间线、术语表、分级来源清单与核查记录。

2026-09-28 剑桥 CASP 发布 22 位作者联合报告，Hinton、Bengio、Barto 三位图灵奖得主与 OpenAI 首席科学家 Pachocki、Anthropic 联合创始人 Jack Clark 等首次联署，警告自动化 AI 研发可能触发"智能爆炸"。本文逐层拆解：公司自报证据（Anthropic 批准代码占比 >80%、自主研发工作 1%→26%）、软件智能爆炸（SIE）的论证机制（Ho & Whitfill 研究投入回报 r≈1.2–1.9）、三类风险（适应速度、监督控制、权力制衡）与三项政策优先（可见性、引导约束、社会适应），并给出四点批判性阅读提示——它是综合而非新实证、作者构成的双面性、与站内"验证瓶颈"框架的差异。

提出EviAlign方法，通过生成语义证据并在证据单元边界读取上下文状态、聚合为归一化嵌入，联合生成与对比检索目标训练共享多模态大模型结构。

本站「RSI 与 Agent 自进化」专题入口页：把站内 11 篇原创深度与 14 条一手动态收进同一张地图——先给 30 秒定性（RSI 改"改进能力"、自进化改"任务表现"），再按概念／全景／证据／判定／事件／工程／治理七层分层索引，附三条按时间预算划分的阅读路线（30 分钟 / 2 小时 / 半天）、一页速查卡、收录标准与更新日志。

用教育部官方公报逐条核查知乎热答「谁把大学生搞得这么廉价」：本科同龄占比从 2000 年的 5.2% 升至 2020 年的 26.9%，稀有度稀释 5.2 倍——数据方向正确、三处细节有误，结论稳健；但稀缺性不决定价格，学历溢价从 1.7 倍压缩到 1.27 倍才是「变廉价」的真证据。扩招、产业升级滞后、家庭合成谬误与雇主门槛通胀四股合力，没有主谋。

Leaderboard 分数与真实体验错位，主要来自四类坑：数据污染（考题漏进训练数据）、面向榜单的针对性刷分（Goodhart 定律）、评测方法本身不稳（提示词、判分与统计方差）、静态基准的饱和失效循环。本文用公开论文与官方博客证据拆解每类坑的机制，并给出读榜时的 7 条防坑检查清单。

Coding Agent 的核心是一个 ReAct 式循环：规划、执行、观察、验证、修正。本文拆解循环的工程实现——上下文管理、验证闭环、权限分级与三种典型失败模式，并说明 harness 与模型同样重要。

基于视频《为什么沙箱成了 AI 圈最卷的新基建》的深度延伸调研。逐层拆解 Agent 沙箱的七层架构：microVM 隔离边界、快照恢复启动路径、Intel IAA 硬件加速压缩、分层镜像按需加载、高密度超卖调度、默认拒绝安全基线、K8s CRD 编排标准。锚定 Firecracker NSDI'20、Sabre OSDI'24、DeepSeek DSec arXiv 2609.22978、Kubernetes SIG Apps Agent Sandbox 等一手来源，逐条标注证据等级，并并列呈现视频口播与论文的口径冲突、8 条常见误判澄清。

Druid 连接池的架构设计与监控能力解析

胆固醇不是敌人，问题在于血液「物流系统」会不会超载。本文沿外源、内源与逆向转运三条线拆解脂蛋白循环，讲清动脉粥样硬化的发生机制，再按证据强度盘点 LDL-C、HDL 争议、残粒胆固醇、Lp(a) 与膳食之争，最后落到体检报告的目标值与干预逻辑。

AI 没有消灭交付瓶颈，只是把瓶颈从"写代码"搬到了"验证代码"。本文基于 2 篇 arXiv 论文、DORA 2025 报告与 2026 年三份行业基准（LinearB 8.1M PR、Faros AI 22,000 开发者），给出 AI 增强 CI/CD 的 L1→L3 能力分层、T0→T3 信任分层、自主流水线独有的五类新型威胁，以及 5 段可直接复制的代码级护栏（GitHub Actions 失败归因、日志预处理、OPA/Rego 策略门禁、测试影响分析、OIDC+签名+写一次审计日志）与 90 天落地路线图。关键数据：任务吞吐 +33.7% 但评审耗时 +441.5%、生产事故/PR 比值 +242.7%；AI PR 30 天合并率 32.7% vs 人工 84.4%；论文实验中 Lead Time −35%、CFR −38%、MTTR −43%，AI 干预准确率 87.5%、人工否决率 14.3%、零策略违规。

Agent 工程系统学习第 6 章：执行隔离让不可信代码在可控牢笼里运行。先建威胁模型（误删/资源耗尽是必然事件，恶意逃逸分级投入），再梳理隔离技术谱系（进程级限制 → 容器 → gVisor/Kata → Firecracker microVM）与选型决策树，workspace 数据面隔离四条纪律，快照与确定性回放三要点，以及 fail-secure 的失败语义矩阵。

2026 年 9 月 17 日，唐杰与 GLM 团队披露：GLM-5.3 驱动的 Infra Agent 在超过 10 万张国产芯片组成的集群上，参与完成 GLM-5.3-Flash 整套推理服务的适配、诊断与优化，不到两周把端到端吞吐提升到同一硬件初始基线的 3 倍。本文为系列上篇，只做两件事：复盘事件的五个关键时点，以及逐案例拆解这套"稠密反馈"方法论——TF32 精度漂移（上游 PR #1180）、一个未释放的 GIL 压住 KV 传输、以及从存量 Kernel 提炼的"优化骨架"。每个案例给出"现象→归因→修复→验证"完整链条，并附同业坐标对照表。全系列共三篇：上篇讲技术，中篇做 RSI 分级定位与七组数字的口径核查，下篇谈边界、风险与行动清单。

把 2026 年可核查的公开证据整理成一张六层能力路线图——预训练、后训练 RL、推理时计算、上下文与记忆、智能体与 Harness、世界模型。含 Meta ScaleRL 40 万 GPU 小时实验结论、RL 预算占比 10%–30% 口径、Chinchilla 对比、Meta-Harness 6x 差距等数据锚点，并给出优先级表与算法工程师/产品经理的行动建议。

抱大腿不让走、入园门口哭成泪人——「粘人」常被当成惯出来的毛病，但它其实是依恋系统在正常工作。本文拆解分离焦虑的正常时间线、陌生情境实验里「哭与不哭」的四种含义，以及有证据支持的入园告别做法：快而确定的仪式比偷溜和拖延都管用。

谷歌 Harness² 的双层递归要烧掉大量试跑 token，普通团队抄不动全套，但它背后的三条工程原则可以立刻用：把执行框架显式化为可编辑文件、没有执行证据不许沉淀经验、没有标准答案就用行为对比做探测。本文把它们翻译成八组件资产清点、EXPERIENCE.md 经验模板、盲选式 A/B 试跑与四道防退化护栏，并给出一个最小可行闭环。

Together AI 开源的设计 Skill，把「反 AI 味」设计规范写成 16 条硬 Floor、71 组分级 Gate 和 4400 行零依赖 linter，v2 从零重写后单日涨星 567，是当下最值得读的「提示工程工程化」样本。

血压不是体检单上的孤立数字，而是心输出量与外周阻力的乘积。本文拆解血压的生成与调节机制，对照中国与 ACC/AHA 指南分级，解释高血压为何伤心脑肾眼，并用试验数字给降压药与生活方式干预算一笔「毫米汞柱」账。

祖辈带娃是中国育儿的结构性现实，不是备选项。本文梳理权威调查与实证研究，拆开隔代养育的利弊证据、依恋影响与冲突的真实来源，给出一张可直接落地的三代人分工表与可照抄的沟通话术。

窗口从 8K 涨到千万级，「RAG 已死」论再起。但评测数据显示有效上下文远小于宣称窗口，长输入的成本与延迟也要另算一笔账。本文用论文与定价证据拆解两者分工：小库精读交给长窗口，大库「找得到、读得起」仍靠检索。

社交平台流传的「三护城河」说法称，AI 时代只剩重建速度、资本周转与顶端品牌三道护城河。本文用四巨头 7,000 亿美元量级的资本开支、英伟达财报、爱马仕与 LVMH 的业绩分化、Morningstar 与 MIT 的研究等可核实数据检验这个判断，并呈现反方证据与对创业公司、个人的启示。

2025 年 9 月 10 日，罗永浩一条「几乎全是预制菜，还那么贵」的微博，把西贝卷进成立以来最大的外部危机：创始人贾国龙宣布起诉、晒小票反击，罗永浩连发 30 余条微博并直播对线、悬赏 10 万元征集证据；第一版致歉信因「向来遵纪守法」引发二次争议。风波最终以 8 道菜改现制、降价 20%、发券自救收场，但 2026 年 1 月西贝宣布关闭 102 家门店（约三成）。本篇复盘系列第十三种类型——污名化标签型舆情：当一个无法律定义、公众情感极度负面的标签砸下来，「自证清白」是结构性的死循环，可见的行动才是唯一的出口。

肾脏是最沉默的器官：中国成人慢性肾脏病患病率 8.2%，知晓率却只有 10%。本文从肾单位的滤过流水线讲起，讲清肌酐为什么只是「估算」、尿白蛋白为什么比血更早报警、G+A 双轴分期怎么读，以及止痛药、中草药、高蛋白饮食这些常见坑的证据边界。

出了问题找谁、怎么留证据、哪些钱能追回——本文给出一张可执行的维权地图：12378/12363/12386 三条监管热线的分工、96110 与国家反诈中心 App 的反诈体系、AI 换脸与虚假投资等新型骗局的拆解、虚拟货币「损失自担」的法定口径，以及从协商到诉讼的纠纷解决阶梯和三年诉讼时效。

K-Dense 开源的科研智能体技能库：177 个覆盖基因组、药物发现、临床证据等领域的 SKILL.md，遵循 Agent Skills 开放标准，Claude Code、Cursor、Codex、Gemini CLI 都能直接安装。本文拆解它的渐进加载架构、上下文成本账本、分发与安全流水线，并给出五类落地场景与真实评测数字。

以 kubernetes-sigs/agent-sandbox v1.0.4（API 全量 v1beta1）为准，给出从既有平台接入 K8s 官方沙箱标准的完整架构方案：先厘清"编排器 vs 运行时"这条决定性边界，再按控制面（四 CRD + 控制器）、运行时（RuntimeClass 选型）、网络（Router 数据面契约 + 托管 NetworkPolicy）、运行时接口（sandboxd gRPC/REST + 多语言 SDK 四模式）、平台治理（准入策略 / APF / 可观测 / 规模化调参）五层展开，附分阶段落地路线、benchmark 实测容量基线、五条信任边界的安全基线与 14 项"尚未实现"限制清单，并逐条标注证据来源与版本口径。

YC 背景团队开源的计算机使用代理基础设施 Cua（当日涨星 1,112、★24,318、MIT）：Driver 提供带 7 类 oracle 证据链的 GUI 工具面，Sandbox/Fleet 提供可复现的隔离电脑，Cua-Bench 提供评测与轨迹，2.8 MB 的 CUA-S1 打分器替代部分大模型调用。含五个落地场景与可复现命令。

读懂脂肪肝的运行逻辑：肝脏脂肪的三条来路与两条去路，从单纯脂肪变到 MASH 与纤维化的病程阶梯，2023 年更名的来龙去脉，FIB-4 与弹性成像的诊断路径，以及减重、运动、咖啡和药物的证据等级。

肠道菌群不是消化配角：约 3.8×10^13 个细菌与人体细胞同量级，基因总数是自身基因组的 150 倍。本文拆解它如何发酵纤维产短链脂肪酸、合成维生素、训练免疫，如何经迷走神经与 5-羟色胺同大脑对话，辨析肥胖研究的反复与粪菌移植的过硬证据，附干预证据等级表与误区核查。

期权是给「以后按约定价格买卖的权利」定价的合约：买方付权利金买选择权，卖方收权利金扛义务。本文拆解认购/认沽 × 买卖的四象限、内在价值与时间价值，核对 A 股场内期权 2026 年的完整版图与分级门槛，并用 OIC 的 72%/22%/6% 数据说明为什么买方胜率天然不利。

Cloudflare 开源其漏洞发现流水线（VDH）的种子 security-audit-skill（GitHub 当日涨星 3,606、★10,418、MIT）：六阶段多智能体审计，覆盖台账 + 对抗验证 + 字段级证据契约。本文拆解其架构数据流与五类落地场景，并给出社区盲测数据（中位精确率 90%、依赖 CVE 覆盖 0%）与使用边界。

中科院研究人员首次揭示出神秘古丹尼索瓦人的形态共性。丹尼索瓦人是一支已灭绝的古老人类支系，2010 年科学家依靠西伯利亚丹尼索瓦洞化石的 DNA 证据发现了这一人群。后续分子证据显示，丹尼索瓦人曾广泛分布在亚洲多地，生存时间大约在距今 30…

五款闭源「个人 Agent 舰队」产品七周内扎堆发布之后，开源阵营的对应物 OpenMausBot 单日涨星 1190。本文拆解它的双进程架构、驱动 SPI、审批分级与 Jev 决策模型，并给出四个可复现场景与同类横向对比。

容器只靠 namespace 隔离视图，资源限制与计量的真正执行者是 cgroup。本文拆解 v1 与 v2 的层级与委托差异，cpu、memory、io、pids 四大控制器的超限行为，Kubernetes 的 QoS 分级与 OOM 选择逻辑，并复盘 CPU limit 节流毛刺等经典误配的排查方法。

棉花糖实验曾让一代家长相信「忍住不吃糖的孩子更有出息」。2018 年 918 人大样本复现发现，控制家庭背景后效应大幅缩水；2024 年追踪到 26 岁的研究几乎归零。本文梳理翻案证据与机制重估：孩子能不能等，很大程度取决于环境可不可靠、大人守不守信。

孩子崩溃大哭时，一句「你是不是很委屈」不只是安慰，而是给大脑装了一个降噪器。本文从情绪粒度与「情绪标注」的神经证据讲起，梳理儿童情绪词汇的发展时间线，给出情感教练五步法与家庭词汇工具箱，并澄清「命名情绪会强化哭闹」等常见误区。

孩子第一次撒谎常让家长如临大敌，但发展心理学的结论正相反：撒谎需要「读心」与「自我控制」两块认知硬件，会撒谎恰恰说明硬件在装配。本文用抵抗诱惑实验的年龄数据拆解撒谎的发育逻辑，讲清为什么严惩反而制造撒谎高手，以及引导诚实的三个有证据的做法。

血糖升起又落回，这套恒温器由胰岛素与胰高血糖素驱动；内脏脂肪发炎、脂肪异位沉积会让胰岛素信号失灵，即胰岛素抵抗。本文从机制讲到诊断标准与 ADA／WHO／中国指南的口径差异、靶器官损害与干预证据，并澄清「吃糖致糖尿病」等误区。

骨质疏松不只是「缺钙」。读懂破骨与成骨的盈亏账、钙与维生素 D 的吸收经济学，再看 DXA、FRAX 与药物的硬证据——30 岁前就该开始存「骨骼本钱」，确诊之后单靠补钙远远不够。

A2A 协议 2026 年 3 月发布 1.0 稳定版，MCP 同年 7 月完成官方所称「史上最大修订」、把协议核心重写为无状态架构；两大规范在 12 个月内先后定型，并在中立基金会下完成治理统一。本文梳理两条演进主线、企业落地证据链，以及重叠、碎片化与过早标准化三派争议。

纳德拉把 Agent 365、Microsoft IQ 与 Copilot 并列为微软 AI 的三大支点。但比发布会更值得拆的是商业模式的变化：Agent 365 不生产智能体，它管智能体——观察、治理、保护，按用户每月 15 美元收费。本文梳理 Agent 365 从 Ignite 2025 发布到 2026 年 GA 的时间线、Copilot 三千万付费席位的财报口径，把微软、Google、Salesforce 与钉钉飞书四条定价路线放进同一张表，并用三组 RCT 与 MIT「95% 无回报」报告的正反证据，说清办公 AI 为什么正从「卖生产力」转向「卖管理层」。

2026 年 AI 教育拿到了迄今最强的证据：哈佛实验里 AI 导师组的学习增益超过面授主动学习的两倍，世界银行在尼日利亚测出约合两年常规进度的提升，Google 在塞拉利昂的 RCT 也有 0.26 个标准差。但三场研究全部由利益相关方资助、周期不超过一学期，而 MIT 的脑电研究与「护栏可绕过」的产品现实站在对面。本文梳理产品格局、证据攻防与中美政策两条路线。

美国医学会 2026 年调查显示 81% 的医生已在工作中使用 AI，三年前这个数字是 38%；FDA 官方清单上的 AI 医疗器械授权已达 1614 条，瑞典 MASAI 随机对照试验最终结果登上了《柳叶刀》。但佛罗里达州一桩指控 ChatGPT 给出危险医疗建议的诉讼提醒所有人：AI 误诊时谁负责，至今没有判例答案。本文梳理临床证据、监管数据与责任真空这三条主线。