# Заметки — P27-SCI-ARXIV-AGENTS

## Метод поиска

Вместо WebSearch использовался прямой запрос к arXiv API (`https://export.arxiv.org/api/query`, curl) —
он доступен из среды и не расходует бюджет `websearch` (12), а идёт в `fetch_or_download` (curl). Это
дало более точный и воспроизводимый поиск по полям `abs:`/`all:`, чем текстовый веб-поиск. Итого 5
поисковых запросов к API (все — в `fetch_or_download`), WebSearch не использовался вовсе (0/12).

Запросы (все — arXiv API, sortBy=submittedDate):
1. `all:"LLM agent" AND (abs:CRM OR abs:ERP OR abs:procurement OR abs:logistics OR abs:customs)` — 40 результатов, основной источник кандидатов (ERPBench x2, Agentic ERP, Business Arena, E-Commerce Bench, When Shippers Become Algorithms и др.).
2. `abs:agent AND (abs:customs OR abs:"trade compliance" OR abs:"import compliance" OR abs:tariff)` — узкий, дал ShopEase-CRM-соседей и Enterprise MCP работы (нерелевантны).
3. `abs:agent AND (abs:procurement OR abs:"purchase order" OR abs:"supply chain" OR abs:logistics) AND (abs:enterprise OR abs:business OR abs:LLM)` — дал retail supply chain, cold chain IoT, VEX-Bench (supply chain vulnerabilities — не про бизнес-процесс закупок, отклонено).
4. `abs:agent AND (abs:"customs clearance" OR abs:"export control" OR abs:"denied party" OR abs:"trade documentation" OR abs:"bill of lading" OR abs:"freight forwarding")` — дал HTS-классификацию (Nguyen et al., карточка W04) и ORCHID (export control DOE, см. «Отклонено»).
5. `abs:agent AND (abs:rollback OR abs:"human-in-the-loop" OR abs:"failure recovery") AND (abs:enterprise OR abs:business OR abs:workflow OR abs:CRM OR abs:ERP)` — дал страховой мультиагентный фреймворк (Solvency II) и «Black Box for Agentic Processes» (см. «Отклонено/недобор»).

## Отобранные 8 карточек (W01-W08)

- W01 — Agentic ERP (arXiv 2607.17331) — симуляция на Odoo 19, ERP.
- W02 — ERPBench: A State-Grounded Evaluation Paradigm (arXiv 2609.17885, Accenture) — бенчмарк надёжности computer-use агентов на ERPNext.
- W03 — Salesforce Koa (arXiv 2609.15066) — вендорский технический отчёт, CRM/agentic tool use.
- W04 — Consensus-based Agentic LLM Framework for HTS Code Classification (arXiv 2606.16987) — таможня.
- W05 — When LLM Agents Negotiate (arXiv 2608.07538) — закупки/переговоры, лаборатория.
- W06 — Adapting to Evolving Requirements: Agentic AI for Retail Supply Chain Operations (arXiv 2609.03860) — логистика склада, партнёр не назван.
- W07 — ShopEase (arXiv 2609.13856) — CRM/клиентская поддержка, академическая работа.
- W08 — When Better Turns Do Not Make Better Agents (arXiv 2609.21187, Dialpad) — методология оценки надёжности агентов на workflow клиентской поддержки.

## Важное наблюдение: коллизия названий «ERPBench»

В выдаче арХив есть ДВЕ РАЗНЫЕ работы с одинаковым названием «ERPBench»:
- arXiv 2609.04667 «ERPBench: Evaluating LLM Agents for Enterprise Decision-Making Across Competitive Market Ecologies» (2026-09-04) — НЕ прочитана, НЕ включена в карточки.
- arXiv 2609.17885 «ERPBench: A State-Grounded Evaluation Paradigm for Computer-Use Agents in Enterprise Software» (Accenture, v1 2026-09-15 / v2 2026-09-23) — прочитана полностью, карточка W02.

Это не одна и та же работа под разными версиями — разные arxiv_id, разные авторы, разные аннотации.
При дальнейшей работе с любым из этих ID не путать их между собой.

## Отклонено / контекст, не карточки

- arXiv 2609.04667 «ERPBench: Evaluating LLM Agents for Enterprise Decision-Making Across Competitive Market Ecologies» — не читалась (бюджет), в карточки не включена; кандидат на будущее.
- arXiv 2608.08621 «Business Arena: Benchmarking LLM Agents in a Realistic Marketplace» — не читалась; общий маркетплейс-бенчмарк, менее специфичен к процессам брифа.
- arXiv 2608.30730 «E-Commerce Bench: Evaluating LLM Agents on Long-Horizon Autonomous Business Operation» — не читалась.
- arXiv 2609.09853 «The Era by Eon Benchmark» (enterprise estate benchmark) — не читалась.
- arXiv 2511.04956 «ORCHID: Orchestrated RAG with Human-in-the-Loop for High-Risk Property» — про export-control классификацию объектов на площадках Минэнерго США (DOE), не про таможню/бизнес-процесс компании; отклонено как вне предмета брифа (государственный, не корпоративный процесс).
- arXiv 2609.27636 «Multi-Agent AI Architecture for Regulated Insurers... Solvency II» — потенциально релевантно (регулируемый корпоративный процесс, риск/комплаенс), не прочитана из-за бюджета — кандидат на будущий пакет.
- arXiv 2609.04017 «A Black Box for Agentic Processes: Blockchain-Anchored Evidence for AI Agent Communication, Human Oversight» — потенциально релевантно теме «надёжность и откаты», не прочитана из-за бюджета.
- arXiv 2609.13561 «A Hybrid Agentic AI Framework for Intelligent Supply Chain Analytics» — не читалась, дубль темы с W06 (supply chain), решено не плодить более 2 карточек по одной под-теме без явной специфики.
- arXiv 2607.19967 «When Shippers Become Algorithms...» — логистика/шиппинг платформы, не читалась подробно (снипет), не включена — кандидат на будущее.
- Прямых работ про «откат» (rollback) уже внедрённого корпоративного агента в найденной выборке нет: после 5 адресных запросов (включая явный запрос с `rollback`/`failure recovery`) обнаружены только методологические работы про оценку надёжности/отказов (W02, W08) и инфраструктурные работы про управление и авторизацию агентов (Black Box for Agentic Processes, Zero-Trust MCP и т.п.), но не полевые случаи «внедрили → откатили». Это фиксируется как недобор (см. ниже).

## Недобор

- **Откат/rollback как явное событие («внедрили ИИ-агента → откатили») в свежем слое arXiv (2025-09…2026-09) не найден** после двух целевых запросов (запрос 5 выше + просмотр выдачи запроса 1). Найдены только методологические работы про разрыв между локальными метриками и реальной надёжностью (W02, W08) — это ближайший заменитель, отражённый в карточках. Академические работы такого типа обычно не описывают организационные решения об откате — это, видимо, домен practice-карточек (пресса/кейсы), не arXiv.
- **Таможня**: найдена только одна релевантная работа (W04, HTS-классификация, Канада). Второй специфичной работы по другому таможенному процессу (например, денайд-парти скрининг, экспортный контроль на уровне компании, ВЭД-документооборот) за 2 запроса не найдено — ORCHID (2511.04956) ближе всего, но это государственный (DOE), не корпоративный контекст, поэтому не включена.
- **Регион вне США/Европы**: W04 отчасти закрывает это (авторы — University of New Brunswick, Канада + University of Economics Ho Chi Minh City, Вьетнам; в статье прямо обсуждается перенос на Вьетнам/АСЕАН). Отдельного адресного поиска «Китай × корпоративные агенты» в рамках бюджета этого пакета не делалось — предмет пакета (arXiv, английский язык публикаций) не предполагает регионального фильтра по стране происхождения кейса, только по национальности авторов/юрисдикции изучаемого процесса.

## Карточки source

Не заводились: в рамках бюджета пакета фокус был на глубоком чтении 8 научных работ; отдельных
новых каналов мониторинга (издателей/агрегаторов), кроме самого arXiv (уже известен как `arxiv_listing`
в существующем корпусе), не обнаружено как принципиально новых и достаточно оправданных для
отдельной карточки `source` (лимит брифа — не более 3, необязательно).