0
0这期聚焦一个反常识的发现：让 Agent「忘掉规矩」的不是攻击者，而是你自己 harness 里那个省 token 的摘要器。三篇重点论文从安全、数据、编排三个方向共同指向同一个判断——Agent 的核心竞争力已从模型层下沉到 runtime 工程层。
本期重点
- 治理衰减（Governance Decay: How Context Compaction Silently Erases Safety Constraints in Long-Horizon LLM Agents）——揭示上下文压缩会把 in-context 合规规则当「过时开场白」丢掉，压缩后违规率从 0% 涨到 30%；同时构造了针对摘要器的 Compaction-Eviction 攻击，并给出近乎零成本的 Constraint Pinning 防御。对所有做长程 Agent 的团队都是必读警示。
- Fara-1.5：可扩展的计算机使用智能体训练环境（Fara-1.5: Scalable Learning Environments for Computer Use Agents）——微软开源完整 CUA 数据管线（合成沙盒+单教师求解器+三重验证器），27B 模型在 Online-Mind2Web 打到 72.3%，正面超越 Gemini 2.5 Computer Use 和 OpenAI Operator。证明 CUA 下一步拼的是数据流水线和 UX 闭环，而非堆参数。
- 基于角色的意图驱动网络编排（Role-Based Agentic AI for Intent-Driven Network and Service Orchestration）——英国电信 BT 把多 Agent 系统按公司真实岗位（产品经理→架构师→服务→资源）四层拆分，给出 ReAct+MCP+A2A 的可运行 PoC，并得出实用结论：入口 Agent 必须用强模型，下游可以省。
今日趋势
- Agent 安全焦点从「让模型拒答」迁移到「让运行时不要自己抹掉规则」——上下文压缩、工具授权、内存管理成为新的系统性失效面。
- 小尺寸 CUA 靠合成环境+多重验证器路线正面追平甚至超越专有大模型，数据管线质量成为核心壁垒。
📎 完整日报与论文列表见 GitHub 归档：2026-06-23 daily report
欢迎在评论区留言交流，告诉我们你最关心哪类 Agent 话题。本期内容由 AI 辅助生成并经人工审校，如有疏漏欢迎指正。我们下期见 👋
