摘要
Contamination Clock 把 agent 的评测分数绑定到完整系统快照、评测生成、scorer/runtime、评测使用 ledger 与承诺策略状态，避免模型、memory、prompt、tool 或 harness 已变化时继续把旧分数当成当前证据。它的核心价值不是提高 CUA 成功率，而是让持续演化的 CUA/harness 何时必须重评、何时只能保留历史证据变成可审计的 runtime 决策。（来源：原始资料（本地存档））
核心内容
- 协议分开处理 audit、evidence、reuse 与 currency：干净更新使旧声明 superseded，未知 provenance 使其 uncertified，评测泄漏使受影响声明 invalid，已用于一次预承诺选择的分片对后续未承诺候选关闭。（来源：原始资料（本地存档），§3、Table 1）
- 三组 prospective studies 显示评测衍生 memory 的增益集中在 reused tasks；10 个主实验 episode 的 adjusted contrast 均值为 0.469，删除 verified decision 后全暴露条件降到 -0.013。（来源：原始资料（本地存档），Abstract、Appendix F-G）
- no-write boundary 与 tamper-evident event chain 只覆盖 manifest 中声明并受控的 channel；它不能证明所有外部 cache、dashboard、tool 或遗漏事件都被记录。（来源：原始资料（本地存档），Appendix A、I）
- 公开 artifact 的 stored-record verifier 在本地通过，但实验仍是 synthetic binary tasks 与小模型；没有真实 GUI CUA、开放式任务或生产 CI/CD 验证。（综合：原始资料（本地存档））
- 分类：评测治理与 runtime provenance；非严格 Agentic RL，不构成严格 RSI。（综合：原始资料（本地存档））
相关页面
- 概念：Execution-Based Agent Evaluation、Harness Engineering、Self-Improving Harness
- 实体：Contamination Clock
- 主题：Browser and Computer-Use Agents、Agent Harness 与 Agentic RL 开源生态
来源
- 原始文件：原始资料（本地存档）
- 定位信息：Abstract、§3、§5-7、Appendix A、F-J；正文由 alphaXiv PDF 查询核实，公开 artifact 于 2026-10-10 复核。
待核实问题
- 大模型、semantic memory、真实 CUA、生产部署和跨组织 attestation 中的有效性仍待验证。