今日概览

过去 24 小时内没有检索到足够多、且同时满足“一手来源、系统相关、未重复收录”的新 KV Cache/推理框架论文，因此本期不使用旧材料补足篇幅，而按规范回退到近 72 小时内仍具有较高技术价值的论文。今天最值得关注的主线不是单一 kernel 或框架版本，而是状态管理正在从“保存更多信息”转向“让状态参与控制决策”。

第一，DARC 把 Agent 失败后的自纠错从“追加更多提示和经验”改写成恢复接口设计：先识别失败类型，再决定哪些恢复证据和干预手段允许进入下一轮。第二，Consolidator 进一步把长期记忆从被动存储变成路由状态，使已经跨越 context boundary 的信息能够改变后续访问哪个 memory slot。第三，Avalon-ToM-Bench 的 probing 与 steering 实验提示，模型 hidden state 中可能已经编码了部分正确判断，但生成策略没有稳定表达它们。第四，LiveAnimate 虽然面向视频生成，却给出一个非常系统化的长序列 KV 设计：永久 sink、按当前输入检索的历史 sink 和固定 rolling window 共同构成有界工作集。

重点进展

DARC：Agent 自纠错不应默认等于“给更多上下文”

Diagnosis Before Recovery: Turning Agent Failures into Selective Self-Correction 于 2026 年 8 月 12 日公开。论文针对一个很实际的问题：coding agent 可以从 compiler、test 和 execution trace 中获得类型明确的失败信号，而通用语言 Agent 往往只知道“任务失败了”。如果此时统一加入大段恢复 playbook，invalid action、procedure missing、format error 等不同失败的证据会被混在一起，反而扩大上下文噪声。

DARC 的核心顺序是 diagnosis before recovery。系统先利用 development-set failures 对任务族的失败模式进行 profiling，再从共享 recovery library 中剪除与该类失败不匹配的干预，并冻结 verifier 选择出的 success-cost policy，部署时只使用与诊断相匹配的恢复证据。作者在 ALFWorld、AppWorld 和 XBRL Finance 上分别形成 action-validity、procedural-recovery 和 format-precision 类型的恢复策略，并报告在各自评测设置中，相比基础 Agent 和宽泛恢复 playbook 提高平均任务表现，同时减少环境步骤或检索预算。

这里最重要的系统含义不是某个 benchmark 的绝对分数，而是它改变了 recovery context 的生成逻辑：失败不必触发统一的上下文扩张，而可以触发一个受约束的状态恢复路径。 对 Agent runtime 来说，这意味着错误类型、可用证据、恢复预算和 checkpoint/rollback 策略可以成为显式 runtime state，而不只是重新拼接 prompt。限制也很明确：DARC 依赖开发集失败来建立诊断结构，论文证明的是所评测任务族中的有效性，不能直接推出它能覆盖开放世界 Agent 的未知失败。

Consolidator：持久记忆不只是内容，还可以成为访问状态

Consolidator: Learning Persistent Routed Memory Across Context Boundaries 同样于 8 月 12 日公开。论文区分了两个经常被混为一谈的问题：把 short-term memory 复制到长期存储只能保证 persistence，却不能保证这份状态会影响之后“访问什么”。

作者在 Phasor Memory Network 中加入 Consolidator：一个共享的 slot-local operator，在 STM 被累积到 LTM 前对 routed STM 做变换，而且不需要 replay 原始 token。每次 consolidation 后，KV cache 和 STM 都会被清空；保留下来的 LTM 不仅可被读取，还被输入 hierarchical router，直接影响后续输入选择哪些显式 memory slots。

在论文构造的 two-segment modulo-10 mapping task 中，第二段会更新相同 memory address 的映射；再次 consolidation 和 reset 后，模型需要从 LTM 恢复更新后的映射。作者冻结 backbone 与 memory interface，只训练 12.35K 个 Consolidator 参数，占 29.95M 模型的 0.041%。五组配对实验中，direct LTM routing 将 updated-mapping recall 从 44.38±1.94% 提高到 87.02±1.76%，而 immediate STM recall 在两种条件下均为 89.90%。

这项工作的边界同样需要强调：目前证据来自受控合成任务和特定 memory architecture，并不能证明通用 LLM Agent 直接采用该结构就会得到同样收益。但它提供了一个值得重视的抽象：长期记忆既可以是 payload，也可以是未来访问路径的 control state。 这比“把旧上下文摘要后写入向量数据库”更接近真正的状态化 Agent runtime。

Avalon-ToM-Bench：hidden state 里“知道”不等于生成时“说得出来”

Avalon-ToM-Bench: Evaluating Fine-Grained Theory of Mind via Asymmetric Game Mechanics 于 8 月 10 日公开。论文利用 The Resistance: Avalon 的非对称信息机制，将 Theory of Mind 拆为 epistemic/motivational reasoning 与 inference/action 两个维度，而不是只看最终游戏胜负。

作者评测 28 个 LLM，并通过 linear probing 和 activation steering 检查模型内部表征。论文报告：模型通常掌握游戏规则，但社会推理明显更弱；更值得关注的是，linear probes 从 hidden states 恢复正确 mental-state inference 的准确率达到 77–82%，而模型自身 chain-of-thought 表达出的准确率只有 62–70%。作者据此区分“representation failure”和“expression failure”。此外，专门 reasoning training 的平均提升为 +11.0 points，而 test-time chain-of-thought 只有 +1.1 points。

这些结果不能被扩大解释为“hidden state 普遍包含正确答案”。它们成立于论文定义的任务、probe 和模型集合中。但从系统角度，它提醒我们：对 reasoning/agent 系统的监控如果只读取最终 token 或 CoT，可能遗漏模型内部已经形成但没有被输出策略利用的信息。未来的 verifier、safety monitor 和 agent controller 可能需要同时考虑 output trace 与 representation-level signals。

LiveAnimate：用检索式历史块构造恒定容量 KV 工作集

LiveAnimate: Stable Long-Form Streaming Human Animation in Real-Time 于 8 月 12 日公开。它的主要任务是实时长时长 human animation，而不是文本 LLM serving，但其中的 Pose-Retrieval Sink Attention（PR-Sink）对长序列 KV 管理很有参考价值。

PR-Sink 不保留完整历史，而是维护三个部分：永久锚定首个生成 block 的 Static Sink、根据当前 pose 从历史中检索相关 block 的 Dynamic Sink，以及三槽 Rolling Window。当姿态再次出现时，系统恢复与该 pose 相关的历史 appearance context，而不是线性扩大 attention history。论文称这种设计使内存占用和每 block latency 不随 stream duration 增长。结合 block-causal generation、三步采样、Ulysses sequence parallelism 与 operator fusion，系统在两张 NVIDIA H100 上报告 19.63 FPS；在三分钟 benchmark 中，IQA 从前 30 秒的 4.047 到最后一分钟的 4.026，基本保持稳定。

这里不能把视频 DiT 的 pose retrieval 直接等价为 LLM token importance，但它体现了一个更普遍的 working-set 思路：长期历史不一定需要常驻，关键是保留稳定锚点、近期局部状态，并依据当前查询恢复少量相关远期状态。 这种“anchor + recent + retrieved history”的三段式状态组织，比统一 LRU 或固定窗口更具有语义结构。

深度分析

今天四项材料可以串成一条共同的系统趋势：下一阶段的 Agent/长上下文基础设施，竞争点可能不再只是“存多少状态”，而是状态如何进入控制平面。

DARC 让 failure state 决定下一次允许加载哪些 recovery evidence；Consolidator 让 persistent memory 决定后续 router 访问哪个 slot；Avalon-ToM-Bench 说明 observable text trace 与内部 representation 之间可能存在信息落差；LiveAnimate 则让当前 pose 决定远期历史 KV 中哪一块重新进入 active set。四者的对象不同，但都不再把历史状态看成一个平坦、同质、只能被完整读取的序列。

对推理系统而言，这会推动三个接口逐渐显式化。其一是 state identity：系统必须知道保存的是哪类状态、属于哪个阶段以及是否可重建。其二是 state selection：读取路径需要由当前 query、failure type、router state 或任务阶段驱动，而不是只按时间顺序。其三是 state transition：状态需要经历 active、consolidated、retrievable、invalidated、recovered 等转换，并让这些转换可以被 runtime 观测和调度。

这也意味着“上下文压缩”和“缓存管理”之间的界限正在变模糊。只压缩 token 数量而不保留控制语义，可能损失恢复路径或未来路由信息；只保存完整状态而不改变访问机制，则可能把容量问题转化为检索和数据移动问题。更合理的设计目标是让模型语义、Agent workflow 与底层状态管理之间建立可验证的接口，同时严格控制额外预测、索引和恢复成本。

今夜白的观察

今天最值得继续跟踪的不是某个新的 KV 淘汰分数，而是“可恢复状态是否正在成为 Agent runtime 的一等公民”。传统 Chat serving 中，请求状态主要服务于下一 token；Agent workload 中，失败、工具执行、长期空闲、上下文边界、任务分支和恢复都会让状态的未来价值变得不均匀。DARC 已经把 failure diagnosis 变成恢复入口，Consolidator 则展示了持久状态可以反过来影响未来访问路径。

另一个信号来自 Avalon-ToM-Bench：如果 hidden representation 与最终表达之间确实在更多任务上稳定存在可利用的 gap，那么未来 Agent 的 verifier 和 safety layer 可能不应只审计自然语言轨迹。真正困难的问题是如何证明 representation-level signal 足够稳定、跨模型可迁移，并且读取它的收益超过额外计算和系统复杂度。目前证据仍不足，值得持续观察，而不宜过早抽象成统一范式。

最后，LiveAnimate 的 PR-Sink 提醒我们，长序列状态管理可以从应用结构中获得非常强的先验。相比为所有 workload 寻找统一的“最重要 token”，识别 workload 中天然存在的 anchor、recent state 与 query-relevant history，可能更容易形成稳定、可解释且低开销的系统策略。

参考资料

1. Pan Wang et al., Diagnosis Before Recovery: Turning Agent Failures into Selective Self-Correction, arXiv, 2026-08-12.
2. Sungwoo Goo, Hwi-yeol Yun, Sangkeun Jung, Consolidator: Learning Persistent Routed Memory Across Context Boundaries, arXiv, 2026-08-12.
3. Yen-Shan Chen et al., Avalon-ToM-Bench: Evaluating Fine-Grained Theory of Mind via Asymmetric Game Mechanics, arXiv, 2026-08-10.
4. Yuxuan Zhang et al., LiveAnimate: Stable Long-Form Streaming Human Animation in Real-Time, arXiv, 2026-08-12.