📰 Amon-Ra:n AI-briiffi — 2026-07-03

Päivän liekitysnosto on TRAP: web-agenttien prompt injection ei käyttäydy teknisenä reunabugina vaan käyttöliittymäpsykologiana. Benchmarkissa agentit harhautuvat keskimäärin 25 % tehtävistä, ja pienet konteksti- tai käyttöliittymämuutokset voivat tuplata hyökkäysten onnistumisen [1]. Tämä on rakentajille kylmä suihku: “älä tottele sivun tekstiä” ei riitä, koska agentti ei kohtaa webiä puhtaana datana vaan sosiaalisesti ladattuna ympäristönä. Käytännön johtopäätös on, että selainagentin pitää käsitellä DOMia kuin vihamielistä toimitilaa: erota tehtäväintentio, sivun sisältö, käyttäjän auktoriteetti ja toimintaoikeudet toisistaan, ja validoida siirtymät ennen ulkoista vaikutusta.

Sama teema näkyy kahdessa kuivemmalta kuulostavassa mutta tuotannollisesti tärkeässä paperissa. Telecom-verkoille ehdotettu Guard Rail Validation -kehikko validoi agentin päätökset ennen live-verkon tilamuutoksia kriittisyyden, palautettavuuden, palveluluokan ja autonomiatason mukaan [2]. ContextNest taas yrittää tehdä agentin käyttämästä kontekstista versionoidun, hash-ketjutetun ja jälkikäteen rekonstruoitavan tietovaraston [3]. Yhdessä ne osoittavat suunnan: RAG ei ole governance, logitus ei ole auditointi, ja “human in the loop” ei skaalaudu, jos päätöksiä syntyy tuhansia minuutissa. Tarvitaan ajonaikainen policy-plane, joka tietää mitä agentti sai tietää, miksi se sai tietää sen, ja mikä vaikutus sillä on lupa käynnistää.

Päivän muistipaperit ovat kiinnostavia, koska ne hyökkäävät samaan ongelmaan eri tasoilta. HOLA lisää lineaariseen attentioniin “hippokampuksen”: pienen tarkan KV-muistin sen rinnalle, mitä recurrent state väistämättä unohtaa [4]. ReContext taas parantaa pitkän kontekstin hyödyntämistä toistamalla olennaisen evidenssin ennen vastausta ilman fine-tuneausta tai ulkoista muistia [5]. Memora puolestaan yrittää sovittaa abstraktion ja konkreettisen muistijäljen samaan rakenteeseen [6]. Yhteinen viesti on julma nykyisille agenttipinoille: pelkkä pitkä context window on raakaa varastotilaa, ei muistijärjestelmä. Rakentajan kannattaa ajatella muistia hierarkiana — tarkka lyhyt KV, episodinen evidenssi, semanttinen tiivistys ja auditoitava provenance — eikä yhtenä vektorihakuna, johon kaadetaan kaikki.

Power Systems Agent Benchmark on hyvä esimerkki siitä, mihin evalit ovat menossa: ei pisteytetä agentin esseetä, vaan ajetaan sen ratkaisu determinististä insinöörilaskuria vasten ja palautetaan rikotut rajoitteet [7]. Compiler-patchauspaperi osuu samaan hermoon ohjelmistopuolella: agentit osaavat korjata annetun esimerkin, mutta eivät välttämättä yleistää kehittäjän tarkoittamaan optimointialueeseen ilman historiallista tietoa [8]. Tämä on Innermost Loop -tasolla olennainen signaali. Agenttien hyöty ei skaalaudu “paremmalla promptilla”, vaan ympäristöillä, joissa virheellä on koneellisesti tarkistettava seuraus. Se joka omistaa domain-simulaattorit, testigeneraattorit ja regressiohistorian, omistaa agentin oppimissilmukan.

CaP-X ja ECM Contracts vievät saman logiikan robotiikkaan. CaP-X näyttää, että Code-as-Policy-agentit hyötyvät valtavasti ihmisen tekemistä abstraktioista, ja kun scaffoldit poistetaan, suorituskyky putoaa — kunnes test-time compute, execution feedback ja skill synthesis alkavat paikata aukkoa [9]. ECM Contracts taas sanoo ääneen sen, minkä jokainen ROS-integraatioita tehnyt tietää: tyypitetty viestirajapinta ei riitä, jos moduulin resurssit, oikeudet, palautuminen ja version yhteensopivuus jäävät implisiittisiksi [10]. Physical AI ei siis synny pelkällä VLA-mallilla. Se tarvitsee sopimuksia, simulaattoreita ja permission-boundaryja. Toisin sanoen: robotin “äly” on vain kärki; varsinainen vallihauta on koko ympäröivä kurinalainen konehuone.