11 篇经核验的 arXiv 论文（多智能体编排 / harness / 自生成 / 安全）：每篇一页中文编译 + 原文对照；前五篇附本地 PDF，其余直链 arXiv 原文。正文带点状下划线的词可在术语表中查看。
把「验证」提升为编排层的一等协调信号：DAG 分解并行执行，独立 LLM 检查员评估完整性，发现缺口自动重规划补漏。市场研究查询完整性 3.1→4.2、来源质量 2.6→4.1。
中文版PDF证明「模型趋同时拓扑比选模型重要」（缩放定律 Ω(1/ε²)），给出线性时间路由算法，按任务 DAG 结构自动在并行/顺序/分层/混合四种拓扑中选型。同款模型提升 12–23%。
中文版PDF把埋在控制器代码里的 harness 策略外化为可编辑的自然语言文档，由共享运行时解释执行；自然语言管策略，代码管精确机制。策略层 60K→2.9K token，任务表现与代码 harness 相当。
中文版PDF「用 harness 优化 harness」：coding agent 通过文件系统按需翻阅全部历史候选的源码、分数与执行轨迹，自动发现超越人类手工设计的 harness，TerminalBench-2 Haiku 榜第一。
中文版PDF首个面向冻结多模态大模型的统一 harness：感知工具 + 确定性验证器 + 修复循环，模型完全黑盒。GPT-4o 找字任务 3%→21%——许多「模型不行」其实是「harness 不行」。
中文版PDF把多种角色学成可组合的激活引导向量（codebook），查询感知路由器在单次前向中动态混合。性能逼近 MAS，token 成本约降 20×——多视角不必依赖多轮文本通信。
中文版PDF对 197 篇工作做执行中心分析，提出 A-I-R 攻击框架与五部分防御契约；审计 44 项评测。核心主张：真正的 MAS 安全效应必须在交互路径上被证明。
中文版PDF用 generator–implementer–rectifier 三元 meta-agent 递归定制目标 MAS，运行中纠偏。七项基准相对 SOTA 最高约 +19.6%，处在成本–性能 Pareto 前沿。
中文版PDF把「选 agent 角色」和「选模型规模」统一为状态依赖的两级动态路由，用校准后的模型置信度作为成本惩罚的自适应权重。五基准准确率最高 +12.88%，成本最高 −79.78%。
中文版PDF把 agent 选择建模为在线上下文多臂老虎机：Beacon 协议先筛 Top-L 候选，LinUCB 按任务与 agent 状态路由，角色专长从交互反馈中涌现。次线性 regret 理论保证，agent 失效下可自愈。
中文版PDF让工具适配模型而非相反：Tool Primitive 用 LLM 包装工具、以自然语言为接口，ToolFace 语义检索 25,519 个函数，Planner–Router–Verifier 闭环恢复。8B 骨干超三个商用模型 6%、成本最高降 85%，且结构上免疫 prompt injection。
中文版PDF| PAPER | 解决什么问题 | 核心创新点 |
|---|---|---|
| VMAO | 多 agent 系统缺乏有原则的质量验证 | 子问题 DAG + 编排层验证器驱动自适应重规划 |
| AdaptOrch | 模型趋同后选模型收益递减 | 拓扑缩放定律 + 线性时间路由四种拓扑 |
| NLAH | harness 策略埋在代码里难迁移 | 自然语言策略文档 + 共享运行时解释执行 |
| Meta-Harness | 换 harness 可差 6 倍但仍靠手工 | coding agent 经文件系统翻阅历史轨迹自动搜索 |
| MUSE | MLLM 视觉任务失败常被误判为模型不行 | 冻结 MLLM 统一 harness：工具 + 验证器 + 修复循环 |
| MoRe | MAS 多轮文本成本高 | 角色 codebook 激活混合；约 20× 更省 token |
| SoK | 局部安全检查覆盖不了跨主体失败 | A-I-R 框架 + 五部分防御契约；路径闭合与恢复 |
| MAS² | 自动 MAS 多为生成一次就部署 | Generator–Implementer–Rectifier；运行时纠偏 |
| OI-MAS | 所有角色配同一大模型造成算力浪费 | 状态依赖角色+模型两级路由；置信度加权成本惩罚 |
| Symphony-Coord | 静态角色 + 中心化控制难以扩展与自愈 | Beacon 筛选 + LinUCB 在线路由；次线性 regret 界 |
| HEART | schema 调用脆弱、大工具目录性能崩塌 | 自然语言工具原语 + 2.5 万函数检索 + 验证恢复闭环 |
AdaptOrch 给出「模型趋同 → 编排主导」的定量证明；MUSE 证明多数多模态失败是 harness 层缺陷。
把生成与评估解耦，用模型外的信号判定成败。
结构与纪律比堆 token 更关键；MoRe 用激活混合替代多轮文本。
MAS² 打破 generate-once；SoK 强调路径闭合与恢复。
先读 Meta-Harness → NLAH / MUSE → AdaptOrch / VMAO → MAS² → MoRe → SoK → OI-MAS → Symphony-Coord → HEART。