编码 agent 跑偏时，不该用整段重算来巡检

编码 agent 每走一步都去全量比对历史成功轨迹，巡检本身就会先把预算吃掉。arXiv 2026-10-08 的 OnTrack 把监视写成前缀图：每条事件一个节点，后面步骤用到产物就连边。生长中的有向无环图用流式不平衡融合 Gromov-Wasserstein 对齐到可选的参考跑，节点代价加结构。裁决是继续、警告或停下，不是固定打分。访问可以从参考加模式缩到只有模式，再缩到只看事件流。本轮没有找到公开代码仓。论文写代码、配置和结果 JSON 随文放出，HTML 页没有给出仓库地址。协议是 CC BY-NC-ND 4.0。

延迟写成大约每步一毫秒。苹果 M5 Max 上，t=m=40、K=3 时 p50 0.85 毫秒、p95 1.6 毫秒；规模 20 时大约 0.5 / 0.7 毫秒；t=80 时大约 1.6 / 3.9 毫秒；升级求解大约 30 毫秒。流末差距不超过 0.013。这些是论文表，不是本轮复现。

先分层，再谈打断

第一层永远在：环、停住、信息增益过低。第二层要参考：传输泄漏、覆盖、反转检查。第三层看模式，不可逆调用若缺前置或单行提案对不上，就挡住。流式修正包括：每节点质量恒定，免得前缀因为还短被罚；参考质量按前沿遮罩；每个事件先做一步热的共轭梯度或 Sinkhorn，完整求解只在干预前；年轻节点的结构权重爬坡；晚到的边就地补。代价混合写成 0.45、0.20、0.35。阈值 theta 0.35，epsilon 0.05，选中的 lambda 0.3，校准 AUROC 0.743。软最小 tau 0.05。kappa 0.3，beta_look 0.3，eps_nu 0.01。共轭混合 gamma 0.7。内层 Sinkhorn 默认 5。年龄窗 3。泄漏阈 0.6。宽限 3。探索预算 25%。

受控实验写 8 个场景加 40 乘 7 的战役。环召回 100%、延迟 0；幻觉 100%、延迟 2；反转 94.1%。200 次良性里 0 次误干预。真实轨迹组件 n=40 / 30，环和停住的 AUPRC 0.70 到 0.74。论文把自己写成过程监视器，不是先知，也不是结果预测器。

数字绑在哪几条轨迹上

SWE-bench 实验用数据集 sailplane/swe-agent-trajs：2294 条轨迹，可用 2288，其中 430 已解决、1858 未解决。按实例切开，种子 42：校准 228、参考 5、其余评测。嵌入 all-MiniLM-L6-v2。评测看前 k 步。打断看 6 步窗里的严重旗密度。部分 AUROC 在 k=5 / 8 / 10 / 15 / 20：OnTrack 0.612 / 0.631 / 0.622 / 0.635 / 0.648，余弦 0.552 / 0.574 / 0.589 / 0.633 / 0.646。八步处相对相似度方法大约加 0.057 AUROC。打断阈 0.60：真停 23.3%、误停 20.7%，节省大约 17.9% 算力，依赖精度大约 83%。论文另写成省大约 18% 本会烧在失败路上的算力，被打断的 6 次里 5 次真的在失败，83%。退出状态 AUROC 大约 0.979。结果 AUROC 大约 0.581，长度对齐后大约 0.526。拼接 AUC 大约 0.546。

限制也写死了。分布内拼接接近随机。抽取有噪声。展示的打断点有 13% 到 21% 误停。Gromov-Wasserstein 项在同质的 SWE-agent 模板上偏弱。没有跟踪误差定理。参考集只有 5 个实例。不要把 18% 理解成任意仓库都能省。Cadence 看的是该不该用固定巡检，ViSkill 看视觉技能卡，三篇可以并排，不要并成一篇。本轮打开的是 2610.12375v1 的 HTML，没有公开安装入口。

读这篇记住三组约束。一，每步大约一毫秒，数字绑在 M5 Max 表上。二，加 0.057 AUROC 和大约 18% 算力绑在 5 条参考和那份 SWE-agent 轨迹上。三，它是过程监视，不是结果预言。站内没有公开仓可 clone，就不要写安装步骤。Pyramid-JiT 今日 HN 新帖只有 5 星，不并进。gh-stack 的工作树是 Git 目录，不是轨迹图。HF 日榜仍是昨天的 AgentGarten 和 TokenRouter，那两篇站内已有。没有公开安装入口，就不要把论文公式抄成可运行脚本。