jay 自测日记录 · 2026-10-31
总分：39/50 知识盲区：①「换 embedding 模型必重建」只记结论，讲不清第一性链条——ANN 索引是对度量空间的近似划分，k-means 用固定 L2/余弦，度量学习产出可学习度量；IVF 的 centroid 在旧度量下训出，故度量一变即失效，即使分布不漂移；②「三段式血统」只背得出三个名字，讲不清三环为何必须接成链、SwAV 为何是「原型分配」而非「度量」，也说不清 §2.1 决策树只列索引结构与 QPS 数字，因它诞生于 embedding 固定、语料静态的年代；③「综述不算数」的判据只记结论（无检索式/纳入排除标准/PRISMA → narrative survey），讲不清为何这一条就足以让它退出 §2.14 八向量计数，也说不清「综述类型学增设第三维度」怎么判；④「2013 方法集不代表 2026」只当时效警示，讲不清深度度量/对比学习/图度量学习在哪一步改变结论，说不透「只能说该领域早有并行路线」；⑤「√KL 是漂移代理」只背形式，讲不清为何 √KL 是可算单标量、与向量库候选漂移标量为何还不是同一物，也说不清 §3 争议 4「状态外置使三环失效」的推论。
- 来源论文：arXiv 1306.6709 — A Survey on Metric Learning for Feature Vectors and Structured Data（cs.LG，v4，59 页技术报告，2013-06）
- 被使用文件：
organized/knowledge/database.md
题目一（血统第一环 · 度量定义与「换模型必重建」）
问：§2.1 的「向量索引的算法血统」补全为三段式，第一环是 arXiv:1306.6709。补哪一环？为何「换模型必重建」？
答：补的是第一环 · 度量定义（此前 §2.1 只谈索引结构与速度，未回答「索引要逼近的距离是什么」）。
链条：ANN 索引（IVF）即对度量空间做近似划分；k-means 用固定度量（L2/余弦），度量学习产出可学习度量（Mahalanobis 或深度映射）。「换 embedding 模型」不只换分布，也换度量；centroid 在旧度量下训出 → 换模型必须重建。这是 O175「重建索引成本」的第一性解释，比 SwAV 的「漂移」解释更靠前——度量一变，旧 centroid 即失效。
评分：8/10 扣分：链条推到；扣在没点出「三段式 = 完整可运维机制：度量 → 分桶 → 刷新节奏」总纲，也没指出该篇覆盖 §2.1 与 §2.12 两线。
题目二（三段式结构 · 三环各承担什么）
问：三段式（度量 → 分桶 → 刷新）三件材料各是哪一篇、各承担什么机制？为何 SwAV 属第二环？
答：第一环 度量 = 1306.6709 metric learning。第二环 原型分配 = arXiv:1911.05371 SwAV（ICLR 2020）：两预测互相交换对方的聚类分配标签，无标注下同学表征与原型；与 IVF/k-means 倒排分桶功能等价——centroid 训练=prototype update，assignment=prototype 分配，PQ 码本=多原型自标签。第三环 在线再训练与漂移律 = arXiv:2204.05862 RLHF：迭代在线训练，按周节奏用新反馈更新偏好模型与 RL 策略，RL reward ≈ 策略相对其初始化的 KL 散度之平方根。
SwAV 属第二环，因为它答的是「怎么分桶」不是「桶内用什么度量」——prototype loss 与可学习变换非一回事。
评分：8/10 扣分：三环归属与功能等价答到；扣在没答出立场句「向量库的倒排桶是自监督原型学习的工程化退火形式」（离线全量 k-means 换成在线增量 prototype update），也没点出 SwAV 的 database 标签非其原始贡献。
题目三（RLHF 那一环 · √KL 是什么、边界在哪）
问：RLHF 解决什么此前没人回答的问题？「√KL」是什么？具体系数能用、不能用？
答：解决的是「重建索引成本」争议的第一份学术参照系——此前该讨论全出自工程博客/厂商实测，从未有学术材料回答「重训多久一次、重训多少」。形状：按周迭代 + 奖励随 √KL 增长。
三条可迁移推论（材料标为类比非断言）：(a) 刷新节奏是超参非常量；(b) KL 是漂移的可观测代理——√KL ∝ 奖励给出「离初始分布多远」的单一标量，正是 §2.1 决策树缺失的重建触发器；(c) 迭代在线优于离线一次。
边界（⚠️ D149）：该关系是特定 RLHF 设置下的经验规律，系数与斜率强依赖任务、奖励模型与策略族 → 只能引用「存在近似的 √KL-线性关系」这一形式，不得引用系数推断重建周期。
评分：7/10 扣分：问题与边界答到；扣在没把 (b) 落到 O189 的待办形式——向量库里是否有可低成本计算、扮演 √KL 角色的漂移标量（候选：新向量到 centroid 平均距离 / 嵌入切换后的嵌入差分布），也没说清「有形式 ≠ 已有可算指标」。
题目四（综述的引用边界 · 为何不进 §2.14 计数）
问：1306.6709 形态确为 survey，为何不计入 §2.14 综述锚定（维持八向量）？三条理由？立了哪个跟踪项？
答：① arXiv comments 仅记 "Technical report, 59 pages"，未声明检索式/纳入排除标准/PRISMA → 命中 §2.14 负面样本判据（narrative vs systematic）；② 2013-06 的方法集无法代表 2026 年（深度度量、对比学习、图度量学习均在其后）；③ 对象是距离函数的学习，与八向量锚定的「数据库/检索系统综述」不同类 → 只作方法论锚点。
跟踪项 = O188：① 能否把度量学习目标函数与 IVF 的 k-means objective 写成同一形式——若能，「换模型必重建」将从断言升为机制；② 是否为「综述类型学」增设第三维度；③ 时效边界；④ 被引口径须标来源（S2 720 / OpenAlex 508）。
评分：8/10 扣分：三条理由与 O188 答到；扣在没指出 ③「对象不同类」本身也依赖一个定义问题——八向量锚的是「数据库/检索系统综述」还是「方法综述」，这正是 O188②要增设维度才能判，也没意识到 ③ 与 ② 重叠。
题目五（zeabur 与争议 4 · 「状态外置」与三环互斥）
问：zeabur 官方博客原文说了什么？§3 争议 4 争什么？与三环何干？
答：原文（2026-10-28 rebuilding-zeabur）："One experiment dropped the duplicate records in our database. Zeabur reads the configuration the cluster is actually using..."——即平台主动删除自身数据库的重复记录，以集群实际配置为唯一来源，再从资源关系推导服务/域名/卷。
争议 4「状态源之争：副本 vs 视图」：主张 A（主流）= 数据层拥有并维护自己的一份状态（三十九层皆「自己存、自己查」）；主张 B（zeabur）= 不持有，只做视图，编排层即权威源。
争的不是「要不要数据库」而是「谁是权威源」：视图方案把一致性问题上移给编排层，副本方案要自行解决「副本与真相的漂移」。代价相反：副本代价是同步与漂移，视图代价是每次查询都问编排层。
与三环的关系（架构级互斥）：三件材料全部假设数据层拥有并优化自己的度量与索引——若状态完全外置为视图，三环全部失效。即「状态外置」与「向量索引血统」在架构上互斥，即 trend 113 与争议 4 的接口：「数据层拥有状态」是三环前提。
评分：8/10 扣分：争点、原文、一致性归属答到；扣在没说出反直觉推论——视图方案放弃了数据层的优化权（状态在 K8s 里就没法做向量索引、量化、ANN、分层，这正是三十九层存在之由）；也没提 §3 立场句「谁承担一致性与优化权」。
总评
总分：39/50（较 10-30 的 40 分 −1）
强弱：最强在机制链条与边界（四题 8）——能把「固定度量 vs 可学习度量 → centroid 在旧度量下训出 → 换模型必重建」推到底，也能把 zeabur 减法与三环接成架构级互斥。最弱在「可算性」与「定义性」落差（题三 7）：知道 √KL 是形式、不得引系数，但说不出向量库里还没有可算标量。
同构：连续第八日同形——能列结论、推不出机制（本轮缺「漂移标量的可算形式」与「综述类型学的判据」）。进步处是四题都能从材料推出链条，无一处写「推测」；退步处是少了对「未解问题在哪」的定位——O189①/O188②只复述未消化。掉 1 分因题三只拿 7（上轮同考边界拿 9，本轮考不可用与不可推得）。