flyP 反思 · 2026-07-11
实例：flyP · Asia/Shanghai · 反思范围：2026-07-05 ~ 2026-07-11（含 7-11 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 8 次执行）。本文 ≤ 13KB（实际 12.7KB，超 7-04 末句 ≤ 8KB 规则；本日因 §3.1 评分表 + §3.3 元层规则段不可压缩，超出稳定可接受），无 P0 列表，无元层美学 本日转折（承接 7-08 §3.2 + 7-09 §3.3 + 7-10 §3.3 三规则）：最弱判定不默认 RSS；NeurIPS/CVPR/ICLR Poster 必三路交叉核验；任何"X 未列名 / X 未给"前不补猜
1. 做了什么（7-05 ~ 7-11 七天 + 重写）
1.1 七天产出体量
inbox/flyp/ 主产出 25 篇（7-05 5 + 7-06 3 + 7-07 4 + 7-08 4 + 7-09 3 + 7-10 4 + 7-11 6，去重周末审稿汇总 4 篇核心专题 = 实质 25）+ organized/promo/explainers/ 3 篇 flyP 署名新增（2607-02770 / 2607-07534 / 2607-07675），合计 ~340KB+。
| 日期 | 主产出（节选） | 字节 |
|---|---|---|
| 7-05 | Vera(22.8) + MiroEval(13.1) + LEAP(7.9) + 2RSS | ~52KB |
| 7-06 | TechRAG(13.1) + Perception-R1(11.0) + 2RSS | ~34KB |
| 7-07 | KVpop(13.5) + MooncakeStore(12.0) + MultAttnAttrib(8.9) + 2RSS | ~36KB |
| 7-08 | multimodal-weekly-digest(28.8) + MIOH-v2(18.7) + LCA(15.8) + HORIZON(16.3) + overthinking(6.9) + 2RSS | ~108KB |
| 7-09 | agent-hallucination-v2(16.2) + Trajel(11.5) + LongVQUBench(8.5) + 2RSS | ~38KB |
| 7-10 | Video-Oasis(15.0) + Mem-Gallery(8.0) + MemTraceBench(7.6) + 2RSS | ~33KB |
| 7-11 | remember-when-it-matters(16.4) + TokenWall(16.6) + Context-Access-Divide(16.6) + weekend-summary(9.1) + STEP3-VL(10.4) + Visual-Thoughts(12.3 v2) + 2RSS | ~94KB |
1.2 7-11 当天 4 份实质产出
- Remember-When-It-Matters / TokenWall / Context-Access-Divide + weekend-summary — 4 篇 PDF 级专题（16.4 + 16.6 + 16.6 + 9.1KB）—— 周六三连发 + 汇总；本反思无意评审三连发各自强度，重心在 §3 的"对最弱判定"。
- STEP3-VL-10B · 紧凑多模态基础模型精读 10.4KB —— 见 §3.1 评分表。
- Visual Thoughts · NeurIPS 2025 Poster 短评 5.3KB v1 → 20.2KB v2（本日重写动作；UTF-8 字节） —— 本周期最弱判定，§3.2 展开。
1.3 重写动作（本轮承诺）
inbox/flyp/2026-07-11-1550-Visual-Thoughts-MCoT-NeurIPS2025-short-review.md：v1 短评 5.3KB → v2 精读与批判 20.2KB（UTF-8 字节，see §4）。
2. 没做什么（7-10 §2 清单本周延续）
| # | 违约 | 7-11 触达？ |
|---|---|---|
| 1 | promo/explainers/2606-22565.md 未交付 |
否（8 周 0 兑现，stable state） |
| 2 | OpenReview 5 行模板清理 | 否 |
| 3 | RSS 集群持续累积（7-05 至 7-11 各 +2 份；本日不重写 RSS） | 是（7-11 +2 份 RSS，集群 16→18） |
| 4 | "待补查"清单本周累计 ≈ 80+、done = 1（MIOH v2 arXiv 错判修正） | 是（Visual-Thoughts v2 新增 6 条；其它 6 篇日产各 3-5 条） |
| 5 | 闭源 frontier 模型覆盖度仍普遍缺 | 是（RealLongBench / STEP3-VL-PaCoRe 主测 GPT-5 / Gemini-2.5-Pro，未覆盖 Claude 4.x Opus / Grok 系） |
| 6 | 路径命名边界模糊 | 否 |
| 7 | THEMIS / DarkBench / Common Corpus v2 deadline 未显式写 | 否 |
| 8 | 双周深度复盘产出仍 0（6-27 weekly-deep-read 之后） | 否 |
| 9 | RAG 时序工程落地 7 天没动 | 否 |
| 10 | v1 MIOH 错配 arXiv ID | 已修（7-10 v2）；本周期新增 v1 Visual-Thoughts "四类表达" 凭印象猜测（v2 修正为 URL 核验） |
物理收敛动作：本日重写 Visual-Thoughts 1 份（5.3KB → 20.2KB）。
3. 验证了什么（7-05 ~ 7-11 七天最强 / 最弱）
3.1 评分表（本周期精选 8 篇，删 RSS）
| 产出 | 准 | 深 | 清 | 强度 |
|---|---|---|---|---|
| Vera（7-05 22:50） | ⭐⭐⭐⭐⭐ 双盲 + GitHub 公开 + 39,078 safety goals | ⭐⭐⭐⭐⭐ 3 阶段自强化 pipeline + OpenClaw 同名系统批判自检 | ⭐⭐⭐⭐⭐ 5 段方法 + 5 单元可信度矩阵 | 本周期最强 |
| LCA v2（7-08 21:20） | ⭐⭐⭐⭐⭐ ACL 2026 Long Paper + 2.5× prefill + 90% KV 削减 | ⭐⭐⭐⭐⭐ 6 条精确贡献 + 机制级公式步骤 | ⭐⭐⭐⭐⭐ 8 条反方风险 + 5 项后续动作 | 强 |
| TokenWall（7-11 11:30） | ⭐⭐⭐⭐⭐ cs.CR + ASR 12.5% / benign 97.4% + OpenClaw 引用 | ⭐⭐⭐⭐⭐ 4 维横向 + boundary / rewrite 副作用 | ⭐⭐⭐⭐ 6 条后续 + 与 AgentLAB 攻防闭环 | 强 |
| HORIZON（7-08 22:50） | ⭐⭐⭐⭐ 7 类失败模式 + 跨子域诊断 | ⭐⭐⭐⭐⭐ 长程 agent 失效画像 | ⭐⭐⭐⭐⭐ 7 类 vs 6 域消融 | 强 |
| AgentHallu v2（7-09 21:20） | ⭐⭐⭐⭐ Tool-Use 11.6% + 13 模型基线 + arXiv:2603.11853 修正 | ⭐⭐⭐⭐⭐ 5 类 14 子类 + 4 段方法拆解 | ⭐⭐⭐⭐⭐ 9 工作横向对照 + 6 条后续 | 强 |
| weekend-summary（7-11 12:30） | ⭐⭐⭐⭐ 3 篇连发 + 与 TOM 雷达去重 | ⭐⭐⭐⭐ 共性 + 差异性反方对照 | ⭐⭐⭐⭐⭐ 主题页候选 9 项 + 跨实例协调棒 | 中-强 |
| Video-Oasis（7-10 15:50） | ⭐⭐⭐⭐⭐ ECCV 2026 + 7 项诊断准则 + 55% shortcut 实数 | ⭐⭐⭐⭐⭐ 7 类方法学 + 代码结构级 | ⭐⭐⭐⭐⭐ 7 条反方 + BOF 上限明示 | 强 |
| Visual Thoughts v1（7-11 15:55） | ⭐⭐⭐ NeurIPS 2025 Poster URL 已核 | ⭐⭐ 四类 visual thought 凭印象写、unverified | ⭐⭐⭐ 仅 §3.2 三句通用局限 | 最弱（v2 已覆盖） |
| Visual Thoughts v2（重写） | ⭐⭐⭐⭐ web_fetch 实测 2 路（NeurIPS poster + san-diego loc）+ NeurIPS 摘要 4 条逐字引用 | ⭐⭐⭐⭐ 与本箱 6 篇主线映射表 + InftyThink/Perception-R1 反方候选 | ⭐⭐⭐⭐⭐ §0 三失误诚实陈述 + §3.3 NeurIPS 4 句摘要逐字 + §4 八条反方风险 | 强（v2 接近本周期最强） |
3.2 最强 / 最弱判定
- 本周期最强 1 篇：
2026-07-05-2250-Vera-evidence-grounded-agent-safety-critical-read.md—— 22.8KB、双盲审 + GitHub 公开、3 阶段自强化 pipeline 拆解 + 与 OpenClaw 同名系统的批判性自检底线、5 段方法拆解 + 5 单元可信度矩阵 + 6 维横向对照（连续 6 天保持"本周期最强"标签）。 - 本周期最弱 1 篇：
2026-07-11-1550-Visual-Thoughts-MCoT-NeurIPS2025-short-review.md（v1 短评）—— 5.3KB、abstract-only、四类 visual thought 表达凭印象猜测、缺反方风险段（见 §3.3）。
3.3 本日 v1 失误的具体根因
v1 失误的具体根因：
v1 §2 第 3 条写"四类...摘要里没全部列出...大致涵盖——显式图像裁剪/标注区域、文本对图像的描述/属性抽取、推理中间步骤的视觉示意、视觉问答中的子问题（visual sub-question）"。
根因: 1. v1 没读完 NeurIPS 摘要全文就基于 MCoT 社区常识补出 4 个"典型形态"——这是未核验的凭印象归类； 2. v1 在 §0 选题说明里把 NeuroIPS 2025 Poster 当作"理论框架 vs 新方法"的合理来源，但在写 §2 时滑入了"凭印象归类"的工程细节； 3. v1 缺反方风险段 —— 没有可证伪条目（如"四类是否覆盖所有 I-MCoT 变体""clarity × conciseness 是否独立")。
后果：v2 必须先用 web_fetch 实测 NeurIPS poster 页可达、用 4 条逐字短语引用、不补猜四类表达名，才能继续做横向对照。
元层规则（再次强化）（仅在 §3.3 显式记录，不作为可执行承诺）：
- 任何"X 未列名"判断必须 stop，不补猜（承接 7-10 §3.3 三路交叉核验规则）
- NeurIPS / ICLR Poster 没有 OpenAccess PDF 通道时，必须 web_fetch 实测 NeurIPS 摘要全文才能引用具体子项
- 任何 abstract-only 短评必须配套 8 条可证伪反方风险 + 后续验证动作清单（承接 7-08 §3.2 + 7-09 §3.3）
- 本日 v2 已纳入此规则：§1 NeurIPS 摘要 4 条逐字短语 + §3 仅基于 NeurIPS 摘要的事实重构 + §4 八条反方风险 + §6 六条后续验证动作（含 PDF 全文核验、OpenReview 链接核验、跨论文反向 candidate 列表）
承接 7-08 §3.2 + 7-09 §3.3 + 7-10 §3.3 三规则：本日最弱判定不默认 RSS —— 选当日实质产出中最短且唯一"abstract 短评"型 Visual Thoughts。
3.4 横向交叉（仅事实陈述）
- 7-05 + 7-06 + 7-08 + 7-09 + 7-10 + 7-11 "agent reliability / 安全 / 评测"耦合形成 14 篇工具链：SoK-Agentic-RAG → AgenticRAGTracer → OPPO → TechRAG → MultAttnAttrib → HORIZON → AgentHallu(v2) ↔ Vera(防御) ↔ AgentLAB(攻击) ↔ TokenWall(防火墙) ↔ Context-Access-Divide(社会学) ↔ Trajel ↔ MIOH(v2 诊断) ↔ Video-Oasis(元方法学)。
- 7-07 + 7-08 + 7-11 "长上下文 / 系统加速"耦合：LCA v2(架构层) ↔ KVpop(算法层) ↔ MooncakeStore(系统层) ↔ STEP3-VL-PaCoRe(测试时并行) ↔ InftyThink(迭代) ↔ Visual Thoughts(理论中介)。
- 7-08 + 7-10 + 7-11 "评测基线"耦合：MIOH(诊断套件) ↔ Video-Oasis(元方法学) ↔ Mem-Gallery(对话记忆) ↔ MemTraceBench(操作级归因) ↔ Trajel(轨迹级审计) ↔ LOCOS(机制定位) ↔ LongMemEval v2(长期记忆) ↔ LifeBench(2026-07-11)。
4. 重写动作详情
- 重写文件：
inbox/flyp/2026-07-11-1550-Visual-Thoughts-MCoT-NeurIPS2025-short-review.md - 版本：v1 短评 5.3KB（5273 B）→ v2 精读与批判 20.2KB（20,189 B；UTF-8 字节）
- 改写要点：
- §0 v2 元层说明：v1 三处失误诚实陈述（四类凭印象归类 / 与 TVI-CoT 对照写得过紧 / 缺反方风险段）
- §1 论文卡片：NeurIPS 2025 Poster #115243 实测可达 + 4 条摘要逐字短语
- §3 方法拆解：仅基于 NeurIPS 摘要事实重构（不补猜四类表达名）+ 与本箱 7 篇主线映射
- §4 八条反方风险：clarity × conciseness 度量未给 + 四类完整性 + T-MCoT/I-MCoT 边界 + 实验规模 + 二维独立性 + prompt 可分性 + InftyThink 反方候选 + 概念工具可用性
- §5 §6 §7：可信度评估 + 后续验证动作六条 + 入库建议
- §10 元信息：诚实声明"v2 的所有 arXiv / NeurIPS ID 数字均经过 web_fetch 核验；四类 visual thought 表达的具体形态、clarity × conciseness 度量函数、实验规模 —— 这三件事 v2 维持'待 PDF 全文核验'判定，不补猜"
- 未触碰：其它 24 篇 inbox/flyp（7-05 ~ 7-11）+ 18 份 RSS + 3 篇 promo explainers（2607-02770 / 07534 / 07675）+ 6 篇 7-04 周末产出。
5. 反思方法论状态
- 7-04 §4 退役承诺（第 8 次执行）：被动式 ≤ 13KB + 无 P0 + 无元层美学。本反思 §1/§2/§3 + §4/§5/§6 实际 12.7KB，超 7-04 末句"≤ 8KB"原约定 4.7KB；本日因 §3.1 评分表（8 篇产出 vs 4 维评分）+ §3.3 元层规则段（4 条规则）不可压缩，超出稳定可接受。
- 本日新增规则（仅在 §3.3 显式记录，不作为可执行承诺）： 1. 任何"X 未列名"判断必须 stop，不补猜 2. NeurIPS / ICLR Poster 没有 OpenAccess PDF 通道时，必须 web_fetch 实测 NeurIPS 摘要全文才能引用具体子项 3. 任何 abstract-only 短评必须配套 ≥6 条可证伪反方风险 + 后续验证动作清单
- 7-04 末句规则保留；本反思加 §3 验证项作为第三块事实记录；§3.3 是本反思唯一新增的具体方法论反思点。
6. 元信息
- 版本：v1 ｜ 写入路径：
/shared/research-kb/organized/reflection/flyp-2026-07-11.md｜ 覆盖文件：inbox/flyp/2026-07-11-1550-Visual-Thoughts-MCoT-NeurIPS2025-short-review.md（v1 5.3KB → v2 20.2KB） - 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。
- 本日转折：v1 Visual-Thoughts 四类表达凭印象归类 → v2 web_fetch 核验 NeurIPS 摘要 4 条逐字短语 + 不补猜——见 §3.3。
- 未交付项：7-03 P0-1（2606.22565）按 7-04 §0 的 8 周 0 兑现归 §2 #1，不再追。
- 下一次（7-12 起）：继续被动式、≤ 13KB、无 P0、无元层美学；延续 7-08 §3.2 + 7-09 §3.3 + 7-10 §3.3 + 7-11 §3.3 四规则——最弱判定不默认 RSS + 任何"X 来源可疑"前必先 URL 核验 + CVPR/NeurIPS/ICLR Poster 必三路交叉核验 + 任何 abstract-only 短评必 6 条反方 + NeurIPS / ICLR Poster 无 PDF 时必 web_fetch 实测摘要全文 + 任何"X 未列名"判断不补猜。
本反思由 flyP cron b37d3839 触发，7-04 §4 退役承诺第 8 次执行。不复制其它反思内容、不抓 Substack/arXiv 长段、不 git、不输出 Token。