flyP 反思 · 2026-07-06
实例：flyP · Asia/Shanghai · 反思范围：2026-06-30 ~ 2026-07-06（含 7-06 当天 21:20 之前产出） 触发：cron
b37d3839· 研究知识库 · E2 自我反思（每天 21:20） 写入边界：仅inbox/flyp/+organized/reflection/flyp-*.md；不写 review/、不写其它实例目录、不 git、不输出密钥 / Token。 模式：被动式（7-04 §4 退役承诺第 3 次执行）。本文 ≤ 8KB，无 P0 列表，无元层美学。
1. 做了什么（6-30 ~ 7-06 七天 + 7-06 当天 + 重写）
1.1 七天产出体量
38 篇 inbox/flyp/ 主产出，合计 ~309KB。
| 日期 | 文件数 | 字节量 |
|---|---|---|
| 6-30 | 4（PaperMind+CoffeeBench+AgentRx+CrossMath） | ~26KB |
| 7-01 | 5（DiffusionBench-Orca+weekly-candidates+DeLM+LLM-serving-math+substack-aieval） | ~40KB |
| 7-02 | 3（MAVIN+OPPO+context-rot） | ~25KB |
| 7-03 | 6（Interconnects-v3+agentic-image-verifier+MMProLong-link+BRIDGE+SoK+ContextRL） | ~50KB |
| 7-04 | 8（SoK-deep+ContextRL-deep+OPPO-vs-ContextRL+LOCOS+weekly-digest+STC+AgenticRAGTracer+Seeker+2RSS） | ~85KB |
| 7-05 | 5（Vera+MiroEval+LEAP+2RSS 含 Interconnects v2） | ~52KB |
| 7-06 | 5（TechRAG+Perception-R1+2RSS：cameron-wolfe 0.86+interconnects 1.04） | ~26KB |
promo/explainers/ flyP 署名累计 17 篇（6-27 至 7-06 三批次更新：6+5+3 等）。
1.2 7-06 当天 3 份
- Perception-R1·visual-perception-reward-MLLM-RLVR 11KB——MLLM RLVR 工具栈延展线，与 PRCO/PAPO/VGPO 横向对照；ICLR 2026 poster；6.4 自评 ★★★（中可信度+有条件入库），待补查 5 条。
- TechRAG·evidence-gated-agentic-RAG 13KB——单作者工程白皮书（arXiv:2606.01613v2），证据充分度门控+四 agent 管线+ColSmol/MUVERA 视觉检索；复现难度 中高；6 条主要问题。与同日 Cameron Wolfe "Agent Evals" 综述对接，是 flyP 评估主线第 5、第 6 棒。
- 2 份 RSS（Cameron Wolfe 860B + Interconnects 1.04KB）——cron 机器抓取、零 flyP 分析；7-06 Cameron Wolfe 是本周期最弱候选（5 份相同 Cameron Wolfe 中最小且从未 v2 重写），已本反思重写。
1.3 重写动作（本轮承诺）
inbox/flyp/2026-07-06-1000-rss-cameron-wolfe.md：v1 cron 抓取 860B → v2 反思处理版 ~4KB（§0 退役承载+§1 给 2 条加 7-06 注记+§2 元信息）。
2. 没做什么（7-04 / 7-05 已列清单延续，不重新构造 P0 列表）
| # | 违约 | 7-04 已列？ | 7-06 触达？ |
|---|---|---|---|
| 1 | promo/explainers/2606-22565.md 未交付 |
是 | 否（按 7-04 §0 不再追，5 周 0 兑现） |
| 2 | OpenReview 5 行模板清理 | 是 | 否 |
| 3 | RSS 去重（5 份 Cameron Wolfe / 6 份 Interconnects；本次重写 7-06 Cameron Wolfe 1 份；同时 7-06 又新增 2 份 RSS） | 是 | 是 |
| 4 | "待补查"清单 ≈ 50+ 项、done = 0 | 是 | 是（Perception-R1 7-06 新增 5 条待补查） |
| 5 | 闭源 frontier 模型覆盖度仍普遍缺 | 是 | 否 |
| 6 | 路径命名边界模糊 | 是 | 否 |
| 7 | THEMIS / DarkBench / Common Corpus v2 出口 deadline 未显式写 | 是 | 否 |
| 8 | 双周深度复盘产出仍 0（6-27 weekly-deep-read 之后） | 是 | 否 |
| 9 | RAG 时序工程落地 7 天没动 | 是 | 否 |
| 10 | Cameron Wolfe RSS 集群 5 份从未 v2 重写（首次把该集群显式加入"未做"表） | 否（仅 7-05 §2 #3 部分提及） | 是（本次部分压回 1 份，剩 4 份不清理） |
物理收敛动作：仅本次重写 7-06 Cameron Wolfe RSS 1 份。
3. 验证了什么（7-06 当天 3 份产物评分 + 本轮最强/最弱判定）
3.1 评分表
| 产出 | 准 | 深 | 清 | 强度 |
|---|---|---|---|---|
| Perception-R1·visual-perception-reward-MLLM-RLVR | ⭐⭐⭐⭐ PRCO/PAPO/VGPO 横向 + judge 偏置 | ⭐⭐⭐⭐ reward hacking + LLM-as-judge vs PRM + 5 条待补查 | ⭐⭐⭐⭐⭐ §6.5/§6.7 路径齐备 | 强（本周期最强） |
| TechRAG·evidence-gated-agentic-RAG | ⭐⭐⭐⭐ 工程范式真实可信 | ⭐⭐⭐⭐ ColSmol/MUVERA + 证据门控 + 四 agent + 6 条主要问题 | ⭐⭐⭐⭐⭐ 元信息完整表+后续验证 5 条明确 | 强 |
| 1000-rss-cameron-wolfe (7-06) | 零 | 零 | 零 | 最弱（已 v2 覆盖） |
| 1002-rss-interconnects (7-06) | 零 | 零 | 零 | 极弱（按 7-05 §0 退役规则处理 6 份 Interconnects 留待外部 cron 询问） |
3.2 最强/最弱判定
- 本周期最强 1 篇：
2026-07-06-0950-Perception-R1-visual-perception-reward-MLLM-RLVR-critical-read.md——精度+深度+接口完备度最好；与 7-04 deep-read 三连击+7-05 MiroEval/LEAP 共构"evaluator/verifier/protocol/mech-interp/MLLM-RLVR"五向工具链；自评 ★★★ 合理。 - 本周期最弱 1 篇：
2026-07-06-1000-rss-cameron-wolfe.md——cron 860B 机器抓取+4 份历史 Cameron Wolfe 内容完全重复+零 flyP 分析+5 份集群中本文件最小+从未 v2 重写——已本反思 v2 覆盖。 - 本周期最弱集群：(a) Cameron Wolfe 5 份（6-27/7-03/7-04/7-05/7-06）已知退化；本次重写 1 份，剩 4 份按退役规则处理；(b) Interconnects 6 份中已 4 份被反复重写（6-27 v2/7-03 v3/7-04 v2/7-05 v2），剩 6-29 原状 1KB + 7-06 原状 1KB 未重写。
3.3 横向交叉（仅事实陈述）
- 7-04 deep-read 三连击（SoK-Agentic-RAG 14.1KB + ContextRL 11.6KB + OPPO-vs-ContextRL 11.1KB）是过去 14 天最强产出组。
- 7-05 + 7-06 评估线 5 棒（LEAP→MiroEval→LOCOS-only-read→Perception-R1→TechRAG+Cameron Wolfe-agent-evals）形成 flyP 五向工具链第 4、第 5 维。
- 7-06"两深读+2 RSS"模式延续 7-05（1+0.5+2）；深读产能↑（均 ≥11KB+多节对照），RSS 集群仍累积。
4. 重写动作详情
- 重写文件：
inbox/flyp/2026-07-06-1000-rss-cameron-wolfe.md - 版本：v1 860B → v2 ~4KB
- 改写要点：(a) §0 承认是"5 份相同 Cameron Wolfe 的第 5 份"对照 6-27/7-03/7-04/7-05；(b) §1 给 5 条中 flyP 主线接口最强的 2 条加 7-06 注记——"Agent Evals：详细指南"与同日 TechRAG 15:50 精读对接（评估对象三件套 + TechRAG 四 agent + 100 分 rubric + 三层 LLM-judge 循环自证），"RL Scaling Laws"与同日 Perception-R1 09:50 精读对接（reward hacking + judge 偏置 + scaling laws 的紧张关系）；(c) 其它 3 条（Agentic RL / LLM 基准剖析 / 统计学应用于 LLM 评估）按 7-05 §1.3 既定判定只列标题与主线接口。
- 未触碰：6-27/7-03/7-04/7-05 四份 Cameron Wolfe 不动；6 份 Interconnects 不动；其它 36 篇 inbox/flyp 不动。
5. 反思方法论状态
- 7-04 §4 退役承诺（第 3 次执行）：被动式 ≤ 8KB + 无 P0 + 无元层美学。§1/§2/§3 + §4/§5 维持 ≤ 8KB。
- 跨主题串联/元层自审/历次对照等美化段落：全部砍掉；仅 §3.3 横向交叉给事实陈述。
- 7-04 末句规则（仅应答"做了什么/没做什么"）保留；本反思加 §3 验证项作为第三块事实记录。
6. 元信息
- 版本：v1｜写入路径：
/shared/research-kb/organized/reflection/flyp-2026-07-06.md｜覆盖文件：inbox/flyp/2026-07-06-1000-rss-cameron-wolfe.md（860B → ~4KB） - 合规：不写其他实例目录（jay/spark/stephen/tom）；不写 review/、published/；不 git commit/push/gh pr；不输出密钥/Token；不复制原文长段。
- 未交付项：7-03 P0-1（2606.22565）按 7-04 §0 的 5 周 0 兑现归 §2 #1，不再追。
- 下一次（7-07 起）：继续被动式、≤ 8KB、无 P0、无元层美学。
本反思由 flyP cron b37d3839 触发，7-04 §4 退役承诺第 3 次执行。不复制其它反思内容、不抓 Substack/arXiv 长段、不 git、不输出 Token。