RunningTab 提出环境侧任务记录，并报告在三个 benchmark、三个 LLM 上持续提升。
RunningTab 在上下文窗口外追踪 agent 的交付义务
2026-10-08前沿观察WATCH
RunningTab 为直接 workspace 交互增加环境侧记录。它追踪任务要求、带来源的摘录，以及已列出但未打开的文件，并在义务未解决时阻止结束。作者报告：在三个 benchmark、三个 LLM 上，它持续优于普通 workspace 交互和由模型自己维护的记录。
可用状态：仅论文；未发现公开代码或评测 harness
对你意味着什么
对构建长时程文件 agent 的团队来说，这说明完成度状态应由 runtime 保存，而不能只留在模型上下文里。由于没有公开代码或 harness，目前更适合作为架构信号，还不值得安排团队 POC。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 机制 | 环境侧 requirements、带来源摘录、未打开文件候选与 finish check |
|---|---|
| 报告的评测 | 三个 benchmark、三个 LLM；持续优于普通直接 workspace 交互与模型侧记录 |
| 可用性 | 仅论文；未发现公开代码或评测 harness |
| 证据限制 | 作者报告的预印本 |
技术影响 3
工程价值 4
采用信号 1
成熟度 1
验证成本 4
风险 2