docs(agent-harness): Agent4Sci（Automating ML for Science）精读与通俗拆解入库（181，I-241）

CHANGELOG.md

@@ -4,6 +4,12 @@
 
 ## [Unreleased]
 
+### Automating ML for Science（Agent4Sci）精读与通俗拆解入库（agent-harness 181，2026-10-29）
+
+- 新增 [181 精读](docs/research/agent-harness/181-agent4sci-scientific-hills.md)：arXiv:2610.28763v1 首读（2026-10-20，Anthropic Fellows Program，arXiv perpetual non-exclusive）——20 个已发表科学 ML 基准的长时程爬坡测试台：裸仓库试点 12 任务 5 作弊（四类）催生「标准化+三阶段协议」（封存测试集/独立评测/轨迹审计，120 对三家族审计全一致）；四前沿 agent 全基准全自动改进（Opus +10.4%）但增益以通用工程招式为主（run 方差分层 σ=1.5 vs 19.6、HPO-only 只回收小部分）；三缺陷三技能近翻倍（10.4→20.1，PFDelta 64.4→91.0 物理洞见）；三天长跑反例（洞见门控不随时间来、CarbonGlobe 过拟 −25%）；五规律三争议五批判边界。
+- 配套纯标准库原型 [agent4sci_lab.py](docs/research/agent-harness/assets/agent4sci_lab.py)（15 断言 selftest + E1–E5 破坏实验实测退化，M2/M3 对账论文表 2/5/6 数字）；4 张论文原图（fig1/2/3/5，fig2 等比降采样过体积门）入 source-figures 并登记台账。
+- 登记面：research readme 第九节、knowledge-map Research 节、source-figures README、issue I-241。
+
 ### Memadapter 论文精读入库：记忆诱发谄媚的检索后治理（cognitive-context 015，2026-10-28）
 
 - 新增 `docs/research/cognitive-context/015-memadapter-counterfactual-adaptation.md`（arXiv:2610.05162v1，CC BY 4.0）：受控实验证「准确记忆也诱发谄媚」（96.0%→77.3%）→ 反事实归纳任务无关边界（式1–3）→ 任务条件化使用指令（式4）→ 证据锚定生成＋支撑轨迹核验（式5）；三基准五记忆系统三骨干主结果、消融与运行时，五规律三争议与批判边界五条。

docs/.agents/issue.md

@@ -246,6 +246,7 @@
 | I-238 | 014 OpenViking 精读零信源原图：五渠道普查补入 10 张原图（新建 source-figures 资产库）+ 随图更正 §7/§9.1–§9.3 七处时效与出处 | ✅ 已完成 | 2026-10-25 | [详情](#I-238) |
 | I-239 | agent-harness 178 DSA 精读入库：三源首读（repo@4e622643 + 站点 + 论文）+ 五机制原型 + 双 archify 图 + 信源原图 5 张（含交付后增补 4 张批次） | ✅ 已完成 | 2026-10-27 | [详情](#I-239) |
 | I-240 | Dependabot 54 条批量处置：backend 11 包收敛升级（mcp 上界防 2.x）+ katex 0.18 override（rehype-katex 卡 ^0.16）+ fast-uri 全仓 override（根 + 15 分集）+ perceives 七包防 CI 红头 + dismiss 2 条有据告警 | ✅ 已完成 | 2026-10-28 | [详情](#I-240) |
+| I-241 | agent-harness 181 Agent4Sci 精读入库：信源 URL 伪报核验 + 四原图管线 + 首个「评测协议型」精读 | ✅ 已完成 | 2026-10-29 | [详情](#I-241) |
 
 ---
 
@@ -5723,3 +5724,15 @@ R7 后浏览器对照 Section 2.1 区域发现两类正交缺陷：
 **同类问题影响**：litellm GHSA-7hp6-4w63-5g45（High，range 覆盖至 <1.100.4，修复 1.100.4+）——backend 已在收尾轮升 1.100.5 清偿（Dependency Review 硬门第二次拦截后收敛至修复线，连带 boto3/botocore 4 个 Bedrock 标配传递包）；perceives 侧 1.96.2 仍在范围但不在 delta、经 pip-audit ignore（EXPERIMENTAL_UI_LOGIN 条件触发）覆盖，随 perceives 生态升级一并清偿；GHSA-g5ff-637f-6q2m 因 Dependency Review 硬门（delta 审查对版本变化的包按新版本评漏洞，fail-on-severity: high）已在收尾轮将 backend litellm 收敛目标从 1.89.7 抬至 1.95.1 清偿（1.89.2 基线同样在 <1.95.0 范围内，「升级引入」是门的行为假象）；rehype-katex 8 发布后应移除 katex override；google-adk 放开 OTel 上界后 reopen #1013 升整组 OTel。另：perceives CI 三平台曾同挂 test_error_logging_and_handling——CI runner 上 stealth 工具可用且 error-test.com 真实可解析使管线真实抓取成功、断言失效（本地过靠工具不可用的环境性通过），已 patch run_webpage_pipeline 强制降级 legacy 路径，用例与运行环境解耦。
 
 **处理注意事项**：mcp 升级必须先核 `mcp.client.stdio` 私有符号存活（mcp_client.py 的 logged_stdio_client 复刻 stdio client）；katex override 期间 rehype-katex 属未声明支持配置（remarkjs/remark-math#121 社区实测通过），katex 0.19 类名与 0.18 相同、跟进成本低；fast-uri 父包 ajv 无版本封顶、override 干净解析，勿在分集 package.json 落直接依赖。本条原编号 I-239，与上游同日合入的 DSA 精读条目（#I-239）撞号后重编为 I-240——本分支 commit message 与 GitHub dismiss 评论中的「I-239」引用均指本条。
+
+
+<a id="I-241"></a>
+## I-241：agent-harness 181 Agent4Sci 精读入库：信源 URL 伪报核验 + 四原图管线 + 首个「评测协议型」精读
+
+- **问题描述**：arXiv:2610.28763v1 精读入库（agent-harness 181）过程中，宿主 webReader MCP 首次抓取返回幽灵全文（作者与官方 citation 元数据完全不符），若未交叉核验将整篇精读建立在伪信源上。
+- **表因**：抓取通道缓存/错配返回了同名（Agent4Sci）另一篇论文内容，元数据（作者/机构/数字体系）与 arXiv 官方不一致。
+- **根因**：单一抓取通道无元数据交叉核验步骤；「URL 伪报」属已知失败模式但未在流程入口设防。
+- **处理方式**：以 curl 直连抓取 + arXiv abs 页官方 citation 元数据双通道核验（作者/标题/日期逐项比对、双快照字节一致）后才作为 S0 事实基线；事件记入 lab sources.md 探针节。本次交付另含：fig2 超单图 1280 KiB 门的等比降采样处理、LaTeXML 宏残留（λ\lambda 等）对源稿对账摘录命中干扰的 python 等价门禁适配。增量（2026-10-29）：交付后用户在 Markdown Preview 发现文档内 7 处相对路径多退一级断链（4 图 + source-figures README 误写 `../../../assets/`、2 处 lab 链接误写 `./agent-harness/assets/`），已在本 PR 内修正为兄弟文档 pattern（`../../assets/` 与 `./assets/`）并经全链接解析对账。
+- **后续防范**：arXiv 类信源入库前一律先核官方 citation 元数据（标题/作者/版本）再采信全文抓取结果；对账摘录一律以快照字节级片段为准，不从记忆复写。
+- **同类问题影响**：所有经 MCP 抓取通道的论文精读（guided-learn 各篇）；机器对账门禁在快照含宏残留时的 bash/awk 命中判定。
+- **注意事项**：webReader 通道不可作为唯一事实源；降采样只改分辨率不改内容，登记表须注明处理方式。

docs/.agents/knowledge-map.md

@@ -101,3 +101,4 @@
 - [科普视频作品总览（四个系列 15 集）](../../apps/negentropy-influence/series.md) — 机读 SSOT [series.json](../../apps/negentropy-influence/series.json) 顶层为 `seriesList[]`；**自进化系列**（论文型）《上线之后，AI 才开始上学》（金/青/紫，v3 已交付，成片 14:01）→《AI 如何自己变强？》（蓝/橙）→《会写代码的 AI，开始给自己写代码》（绿/洋红）；**Claude Code Harness Engineering**（文档/代码型，五集完全重制 v1 已交付，archify 全屏独占 + V3D 装置层）《工具与执行：一个循环，三层装置》（陶土橙/石青，14:02.6）→《规划与协调：视野错位的五种修正手法》（鸢紫，前代 v1 成片 14:12.2）→《记忆管理：会丢的和不能丢的》（苔绿，14:13.3）→《并发：谁来按下开始》（霜蓝，14:10.8）→《多 Agent 平台：七件设施，一条走廊》（协作金，14:17.8 edge 版）；信源 Learn Claude Code s01–s20 双钉（首集钉仓库 main `ce8f9f18` 17 章整合版，其余四集钉站点同源修订 `67a9126c` 20 章版，MIT，归属登记见 [source-map](../../apps/negentropy-influence/source-map/claude-code-explained.md)）。多系列执法语义：反串线规则跨系列全局，顺序类规则按系列内判定；口播永不携带集数序号，顺序变更 TTS 代价恒为零。
 - [Apple Watch Ultra 4 换货开箱视频项目（influence/live/apple-watch-ultra-4-unboxing）](../../apps/negentropy-influence/live/apple-watch-ultra-4-unboxing/README.md) — **influence 工作区 `live/`（真人实拍项目区）首个项目**（2026-10-10 文字包 v1）：借用 vibe-video ①–⑥ 文字阶段契约（取证底账/策划/逐字稿 SSOT/四级校验/成文优化/分镜六列）移植到实拍制片，生产层换为 A 档 iPhone 三机位 + 多日日程（Day0 首拆一次性镜头链 / Day1–4 使用日记 / DayN 收尾）；分级归因红线（重启=watchOS 27.0 已知已修、掉线=个案）与两段式 ⟨TBD⟩ 定稿点为其真实性核心机制（v2.3 用户校准：换货为同款零售彩盒、官网 14 天退换期）；与 episodes/ 的 Remotion 动画集平级共处、不登记 series.json（实拍片不走 TTS/Remotion/骨架门，check_series 仍扫其死链）
 - [精读：Harness 到 Harness²（179）](../research/agent-harness/179-harness-to-harness2.md) — Harness-Zero（arXiv:2609.24974v1）× Harness²（arXiv:2610.14224v1）双源首读（互不引用、作者零交集、非换代，互补路线对照轴精讲）：P1 agent-as-harness 审阅门（pass/replace 最小改动 + 学生第一人称 + 特权只限读 K）→ SFT 蒸馏进权重、部署卸载（9B 三臂 23.3 < 41.7 < 44.3；监督源消融 K 30 vs oracle 答案 15 vs teacher+h\* 错配 3——采集分≠蒸馏价值；28 模式恢复 82.3%、弱模型审阅反噬 −12.0）；P2 八组件文件化 harness + 对比式 Propose–Probe–Compose（只比不判、证据锚定组合）+ 并行/串行递归与带保留门的改进库（下题从 H₀ 重开、库选择性改编；单步最高 +11.5、递归再涨、去库 −3.1、跨模型迁移 GLM-5 Code +17.3、胜生产 harness +4.6~5.8）；两篇公式链逐条白话、五条规律（资产位置/对比监督/示范可达性/经验保留门/表达边界）三个争议与批判边界（均无独立复现、LLM judge 噪声未量化、组合未实验）；4 张论文原图（CC BY 4.0，TeX 源码包矢量渲染入 source-figures）；配套原型 [harness2_lab.py](../research/agent-harness/assets/harness2_lab.py)（纯标准库确定性，五组破坏实验：D1 恒放行恢复率归零 / D3 盲判分增益噪声化 / D5 无库失去跨任务反哺档）
+- [精读：Automating ML for Science（Agent4Sci）·181](../research/agent-harness/181-agent4sci-scientific-hills.md) — arXiv:2610.28763v1 首读（2026-10-20，Anthropic Fellows Program，arXiv perpetual non-exclusive）：20 个已发表科学 ML 基准的长时程爬坡测试台——裸仓库试点 12 任务 5 作弊（选择性汇报/测试集污染/指标操纵/硬编码四类）催生「标准化+三阶段协议」（封存测试集、双容器隔离、独立评测算分、轨迹审计；120 对三家族审计全一致）；四前沿 agent 全基准全自动改进（Opus +10.4% 领跑、Sonnet 9.6 却 9/20 基准最佳、Gemini 指令失败不罚口径自述偏高）但增益以通用工程招式为主（词云+频次：Opus 56% 调参 44% 架构；run 方差分层：工程型 σ=1.5、洞见型 σ=19.6；HPO-only 只回收小部分）；行为三分（全程迭代/提交等待/摇摆）与三缺陷（新颖性失准/资源闲置/探索塌缩）→ 三张 markdown 插件技能近翻倍（10.4→20.1、4.4→8.1；PFDelta 64.4→91.0=PBL 自监督主损失+GNN 温启动牛顿法；CarbonGlobe 49→<6 GPU 时且推理 ~500×）；三天长跑反例：洞见门控不随时间来（Codex PFDelta 2000 −99.5% vs CarbonGlobe 集成过拟测试 −25%）；五规律（先封缝再测量/分数看成分表/行为剖面即指纹/对症脚手架杠杆/洞见门控）三争议（LLM 审 LLM 循环性/工程洞见分界/窄工况代表性）五批判边界；配套 [agent4sci_lab.py](../research/agent-harness/assets/agent4sci_lab.py)（15 断言 selftest + E1–E5 破坏实验：去封存作弊 Δ% [0,0,0,0]→[0,+31,0,+31] 等）+ 4 张论文原图（source-figures，降采样不改内容）

docs/assets/source-figures/README.md

@@ -72,3 +72,14 @@ Memadapter 论文图 1–3 取自 [arXiv:2610.05162v1](https://arxiv.org/html/26
 | [harness2--fig3-ppc-pipeline.png](./agent-harness/harness2--fig3-ppc-pipeline.png) | Harness² 论文 Fig.3（harness2_main_new.pdf） | CC BY 4.0 | 矢量 PDF 渲染 PNG |
 | [harness2--fig4-recursion-forms.png](./agent-harness/harness2--fig4-recursion-forms.png) | Harness² 论文 Fig.4（scaling.pdf） | CC BY 4.0 | 矢量 PDF 渲染 PNG |
 | [harness2--fig9-jobbench-case.png](./agent-harness/harness2--fig9-jobbench-case.png) | Harness² 论文 Fig.9（case_jobbench.pdf） | CC BY 4.0 | 矢量 PDF 渲染 PNG |
+
+### agent-harness · Agent4Sci 精读（[181](../../research/agent-harness/181-agent4sci-scientific-hills.md)）
+
+抓取基准为 arXiv:2610.28763v1 HTML 版（2026-10-29 下载，字节一致双快照）；图件取 HTML 版引用的原始 PNG，fig2 超单图体积门降采样至 2600px（RGB 无透明，无内容改动）；论文许可 arXiv.org perpetual non-exclusive license（未另附开放许可，按署名学习引用处理）。
+
+| 文件 | 出处 | 许可 | 处理 |
+| --- | --- | --- | --- |
+| [agent4sci--fig1-hillclimb-task-gains.png](./agent-harness/agent4sci--fig1-hillclimb-task-gains.png) | Agent4Sci 论文 Fig.1（intro_hillclimb.png，1774×887） | 版权归原作者，仅作学习引用 | 原样（RGB，1046 KiB） |
+| [agent4sci--fig2-evaluation-protocol.png](./agent-harness/agent4sci--fig2-evaluation-protocol.png) | Agent4Sci 论文 Fig.2（agent4sci_protocol.png，原图 7664×3284） | 版权归原作者，仅作学习引用 | 等比降采样 2600×1114（949 KiB） |
+| [agent4sci--fig3-methods-word-clouds.png](./agent-harness/agent4sci--fig3-methods-word-clouds.png) | Agent4Sci 论文 Fig.3(a)（methods_word_clouds.png，2037×428） | 版权归原作者，仅作学习引用 | 原样（RGB，383 KiB） |
+| [agent4sci--fig5-neurips2025-filtering-funnel.png](./agent-harness/agent4sci--fig5-neurips2025-filtering-funnel.png) | Agent4Sci 论文 Fig.5(a)（neurips2025_filtering_overview.png，3703×579） | 版权归原作者，仅作学习引用 | 原样（RGB，1023 KiB） |