• Domain: Nhóm B: Personal Knowledge Growth (Tech & AI Workflows) • Status: ACTIVE • Last Verified: 2026-09-15 • Primary Owner: r-and-d
Theo dõi các tiến bộ về kiến trúc agent tự động, local LLM routing, tool-calling protocols và hệ thống memory tự duy trì phục vụ quy trình nghiên cứu học thuật và thiết lập CEO AI OS stack.
• Claim C-AI-01: Phân tách profile nhiều vai (Evidence Collector, Dreamer, Grill-QA, Writer) ngăn ngừa hallucination tích lũy và tăng độ tin cậy của knowledge vault theo thời gian. (Confidence: High) • Claim C-AI-02: Lưu trữ có cấu trúc theo JSONL ledger kết hợp topic dossier vượt trội so với lịch sử hội thoại thô về khả năng persistence và truy xuất context liên agent. (Confidence: High) • Claim C-AI-03: Physical compilation workflow (ARS 4.0.0) chống mất mát dữ liệu trong quá trình nén LLM tốt hơn bất kỳ phương pháp tóm tắt đơn độc nào. (Confidence: High) • Claim C-AI-04: Kernel-Managed Shared Memory tập trung hóa quyền truy xuất và chia sẻ liên tác tử giúp giảm 15-61% độ trễ và tránh phân mảnh ngữ cảnh. (Confidence: High, Verified: 2026-09-14) • Claim C-AI-05: Bảo toàn chứng cứ tương tác gốc qua siêu đồ thị đa neo nội bộ (EdgeMem) triệt tiêu hoàn toàn rủi ro mất mát dữ liệu do nén LLM sớm. (Confidence: High, Verified: 2026-09-14) • Claim C-AI-06: Tích hợp bộ nhớ trải nghiệm và tái hiệu chỉnh trọng số tin cậy (R²-MAD) loại bỏ hiện tượng khuếch đại ảo giác đám đông trong tranh biện đa tác tử. (Confidence: High, Verified: 2026-09-14) • Claim C-AI-07: Khung CoMem phân định rạch ròi giữa lắng đọng trải nghiệm cá nhân (Private Experience) và tinh tuyển tri thức tập thể (Collective Wisdom) qua truy xuất luồng kép giúp triệt tiêu hoàn toàn hiện tượng ô nhiễm bộ nhớ trong hệ thống đa tác nhân. (Confidence: High, Verified: 2026-09-15) • Claim C-AI-08: Cơ chế Gated-Memory Routing (Write Gate, Retrieval Gate, Adaptive Halting) giúp cắt giảm 31.9% chi phí suy luận và cải thiện 2.44 điểm độ chính xác bằng cách lọc bỏ các bước suy luận trùng lặp và dừng đúng lúc. (Confidence: High, Verified: 2026-09-15) • Claim C-AI-09: Thư viện kỹ năng thủ tục khoa học dạng modulized (Scientific Agent Skills) tối ưu hóa tài nguyên ngữ cảnh (mô tả chỉ tốn 7.1% ngữ cảnh 200k token) và chuẩn hóa tính vững chắc khoa học trong phân tích dữ liệu. (Confidence: High, Verified: 2026-09-15) • Claim C-AI-10: Khung SciLitBench xác lập ranh giới thực tế giữa năng lực sàng lọc y văn diện rộng (F2 tăng 28.8% với tiêu chí tường minh) và sự suy giảm độ chính xác trong trích xuất bằng chứng chuyên sâu của các mô hình LLM. (Confidence: High, Verified: 2026-09-15) • Claim C-AI-11: Nguyên lý Nghịch Đảo Cơ Tầng Nhận Thức (Substrate Inversion trong Agentic Company OS) bảo toàn băng thông ngữ cảnh qua định dạng văn bản kết nối Markdown và cô lập chuyển đổi schema ra biên giới hành động giúp vận hành tác nhân bền vững dài hạn. (Confidence: High, Verified: 2026-09-15)
• Phương án tích hợp cơ chế Dual-Stream Retrieval (CoMem) vào hệ thống SQLite Kanban và bộ nhớ persistent của Hermes Profile? • Thiết kế Adaptive Halting Controller cho Grill-QA và R&D để dừng sớm khi đủ bằng chứng, tối ưu chi phí token? • Ứng dụng các kịch bản kiểm tra tính khả kiểm (hypothesis validation) từ repo Scientific Agent Skills vào chuẩn ARS 4.0.0?
• ArXiv:2609.15009: CoMem: Collective-Individual Memory Synergy for Evolutionary Multi-Agent Systems (Yu et al., 2026). • ArXiv:2609.05505: SciLitBench: Benchmark and Design Principles for LLM-Powered Systematic Literature Reviews (Zabaleta & Lin, 2026). • ArXiv:2609.00065: Scientific Agent Skills: A Library of Procedural Knowledge for Research Agents (Kassis et al., 2026). • ArXiv:2609.00237: Learning What to Retain: Gated-Memory Routing for Efficient Collaboration in Multi-Agent LLM Systems (Rajib et al., 2026). • ArXiv:2609.13334: The Agentic Company OS: Substrate Inversion for Sustained Enterprise Agent Deployment (Larsen & Moghaddam, 2026). • ArXiv:2609.10144: Kernel-Managed Shared Memory for System-Wide Personalization (Lum & Zhang, 2026). • ArXiv:2609.05553: EdgeMem: LLM-Free Agent Memory Construction and Retrieval (Cui et al., 2026). • ArXiv:2609.03619: Remember and Reweight (R²-MAD) for Multi-Agent Debate (Jin et al., 2026). • ArXiv:2608.29617: Memory-First Fact-Checking (Petrenciuc et al., 2026). • ArXiv:2608.10108: MESA: Multi-Structure Evidence Selection (Zhao et al., 2026).
repo map — 692 files · 10038 symbols · 23866 edges · python
tests/ 141 files · 5359 symbols · hubs: run_script, run_command, run_main
skills/literature-review/ 5 files · 48 symbols · hubs: search_databases, verify_citations, generate_pdf
skills/citation-management/ 8 files · 81 symbols · hubs: citation_key, protect_title, format_pages
skills/hypothesis-generation/ 8 files · 92 symbols · hubs: ValidationError, _bullet, load_hypothesis_record
skills/peer-review/ 8 files · 57 symbols · hubs: ValidationError, require_text, load_catalog
skills/scholar-evaluation/ 8 files · 61 symbols · hubs: Issue, ValidationError, generate_scaffold
skills/scientific-writing/ 9 files · 72 symbols · hubs: is_nonempty_string, InputError, _check_fields
repo map — 19 files · 162 symbols · 407 edges · python
src/retrieval_policy.py: 1 files · 23 symbols · hubs: _filter, RetrievalPolicy, _doc_embedding_matrix
src/utils/: 5 files · 22 symbols · hubs: EmbeddingConfig, load_configs_from_yaml, get_summary
src/agent.py: 1 files · 21 symbols · hubs: Agent, AgentId, Query
src/checker.py: 1 files · 20 symbols · hubs: strip_string, BaseChecker, parse_digits
src/memory.py: 1 files · 17 symbols · hubs: MemoryVectorDB, _make_resp_id, load_doc_embeddings
src/models.py: 1 files · 16 symbols · hubs: EmbeddingModel, build_language_model
src/multi_agent_debate.py: 1 files · 12 symbols · hubs: remove_think_tags, _check_consensus, _clear_debate
src/chain_of_thought.py: 1 files · 9 symbols · hubs: _attach_retrieved_memories, _build_cot_messages