Dream-RSI ↔ negentropy 机制映射报告

把 Dream-RSI 论文精读笔记（arXiv:2609.14858）的机制对照到本仓 evolution / routine / eval 体系，回答「论文的哪些设计本仓已有、哪些是真增量、哪些值得落地」。只分析不改码；锚点均经 grep -n 实际代码核验（分支 ThreeFish-AI/guided-learn-arxiv-2609-14858）。

#结论先行

本仓已实现 Dream-RSI 的两道结构护栏（候选包含保证的策略层分离），且 140 号笔记落地的「Judge 锚定版评估」与论文的离线锚定思想同向；Dream-RSI 的真增量是一件重武器——把执行历史组织成可交互的重放模拟器，用于元策略的离线评估与改进。六条映射中：M3/M5 已对齐，M2 方向一致（论文是其更强形式），M4 是教训对话（本仓已有旁路），M1 按最小干预原则暂缓（绑定明确触发条件），M6 是对现有语义注入设计的边界警示（无须改码，须知边界）。

#映射总表

#逐条说明

#M1 历史即重放模拟器——离线门已有，「历史→模拟器」是真空区

• 论文把「已完成的历史」升级为可交互对象：候选策略在发现树上走替代轨迹，评估只读记录、零执行成本。本仓最接近的对照是 eval 体系——EvalRun 的 baseline_version parent 边构成版本链，is_frozen 切出可见/holdout 集，longitudinal_recheck 每日对已晋升对象复跑 holdout；retrieval 侧 memory_retrieval_logs.config_version 让 eval_runner 能按版本分桶重放聚合历史窗口指标。甚至 scheduled_task.fire_reason 已含 replay 枚举（为审计与回放区分调度源）。
• 差异在交互性：本仓的「重放」都是重放聚合/复跑验证（对既有数据算指标、对既有版本再打分），不是「让一个候选策略/编排在录制好的历史上走替代路径并为其打分」。Dream-RSI 评估的对象是「会做序列决策的策略」，本仓 evolution 的提案是「一组配置参数」——后者没有序列决策面，也就不需要模拟器。
• 判定暂缓（YAGNI）：本仓当前没有「可编程探索策略」这一层可被重放评估。触发条件成文见落地建议。

#M2 离线锚定评估——140 号双支柱已同向，论文给出极端形式

• 论文的评估信号全部来自历史记录（重放分），绝不每轮从零独立打分。本仓 140 号调研诊断的正是反面病症：Judge 无历史锚点、评分天然 ±20 振荡（ISSUE-128 容差带治标），随后落地的 _JUDGE_PROMPT_ANCHORED（轨迹锚定 + progress_evidence 先证据后给分）就是锚定支柱。
• 论文比本仓走得更远的地方：锚定不止用于「评得稳」，还闭环进「改得对」（策略修订看重放轨迹）。对本仓的启示按 Dream-RSI 保真度光谱读：锚定 prompt（弱形式，无新信息）→ 轨迹证据锚定（中形式，本仓现状）→ 历史重放模拟器（强形式，M1）。无须立刻行动；若未来 Judge 振荡再次成为主痛点，沿光谱升级是现成路径。

#M3 候选包含保证——两套系统在同一个坑位收敛到同一个解法

• 论文 argmax 候选集包含当前策略 ⇒ V*≥V⁰；本仓 decide_canary 的语义是「helpful_ratio 不下降即接受（平局接受），任一退化则 rollback」，且 MemoryConfigVersion 的 promote/rollback = 新写一行 + 翻 is_active 指针——「改不动就不换」的防回退下界两边同构。
• 交叉确认价值：与 PG 映射报告 M1（验证门平局接受）构成三套独立系统的同构收敛（Dream-RSI / PG / 本仓 + 金丝雀发布与进化计算 elitism），该模式已是领域共识，本仓无需动作。

#M4 重放目标三分量——本仓的历史坑恰是「目标函数设计错误」的实例

• 论文 V 的三分量各管一事：max s 管质量、β₁·N 管成本、β₂·N/k 管并行效率；原型 D2/D3 实测证明拆掉任何一项都会选出错误的东西。本仓的对应教训是 routine 成功判定口径：decide() 历史上只看 score >= threshold，阈值不可达时收敛成功态被 no_progress 误杀（[记忆中的历史 issue]），后来引入 accept_verdict_pass 旁路（verdict=pass 亦可判成功）。
• 两侧共同的教学点：代理指标的设计决定进化方向，写门之前先验证门可达。本仓已吸收（旁路存在）；Dream-RSI 补充的增量是「成本与并行度也须入目标」——本仓 routine 的预算控制（max_cost_usd/max_iterations）是硬截断而非目标函数分量，语义不同但各得其所，无须合并。

#M5 只改策略层、底座冻结——本仓的定义层分离与之同构

• 论文整个 RSI 闭环里只有探索策略代码可变。本仓 EvolutionProposal.target_kind 白名单六面（retrieval_config / skill_template / memory_pipeline_prompt / builtin_tool_config / knowledge_strategy / agent_prompt）全部是定义层，经 harness_materializer 渲染生效，agent 运行时与引擎本体不在进化面内——「进化不碰底座」的边界管理两边一致。

#M6 语义引导 over-constrain——对本仓三类经验注入的边界警示

• 论文 §5.1 实证：把历史摘要成方向性洞见注入 prompt，两种范式下都劣于无引导版——长程、多并行线程的探索中，强语义偏置会把搜索空间框死。本仓的经验注入恰有三类同型设计：F2 Reflexion episodic replay（config/memory.py:31）、routine.reflections 累积反思注入下一轮 prompt、patrol_memory 的 pattern 正证据向后传播。
• 判定为批判性警示而非行动项：论文的伤害条件是「长视野 × 并行多样探索 × 组合空间巨大 × 验证一条洞见就要烧掉想省的预算」的发现型任务；本仓的注入多服务于「重复性巡检/流程执行」类任务（教训便宜可证伪、动作空间小），恰在论文承认小抄有效的区间。须知边界：若未来某 Routine 的核心价值是发散探索（如自动调参、方案发现），对其 reflections 注入应主动克制——多样性的优先级高于教训密度。

#落地建议汇总

• 做（绑时机）：无——六条映射中没有需要立即动码的项。
• 写（一句话成本）：在 自进化 Agents Team 方案 的演进路线节补一句「元级评估重放化」的候选方向与触发条件（即下条），防止未来重新调研。
• 暂缓（写明触发条件）：M1 重放模拟器。触发条件有三，满足任一即重开评估：① 本仓出现「可编程的序列决策编排层」（如 routine 的调度策略本身成为进化对象，而非 preset 参数）；② 元级试错成本成为可观测瓶颈（多个候选编排的在线 A/B 各需完整 Routine 轮次）；③ patrol/evolution 的历史轨迹已结构化到能支撑确定性重放（RoutineIterationEvent 全转录 + 分数链）。在此之前，论文的锚定思想以 M2 的既有形式（轨迹锚定 Judge）为已足。

#交叉引用

• Dream-RSI 论文精读笔记（机制三拍详解、五次破坏性实验、批判性边界）
• PG ↔ negentropy 机制映射（对象级 vs 元级的姊妹篇；其遗留 M2「编辑级拒绝记忆」与本文 M6 的注入边界同属「负证据/经验的正确用法」主题）
• 140 经验时代的自驱迭代进化智能体（Judge 锚定双支柱的出处）
• 130 自进化 Agents Team 调研（AlphaEvolve/GEPA 谱系与本映射 M5 的进化面白名单语境）