flyP 反思 · 2026-07-12

实例：flyP · Asia/Shanghai · 反思范围：2026-07-06 ~ 2026-07-12（含 7-12 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 9 次执行）。本文 ≤ 13KB，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 + 7-11 §3.3 四规则）：最弱判定不默认 RSS；任何"X 未列名 / X 未给"前不补猜；abstract-only 短审稿必 6 条反方 + ≥6 条后续验证；PDF 全文未核验时必标注"待核验"而不下结论；评级"建议入库"门槛升到摘要级证据 ≥3 条 + 反方风险 ≥6 条 + 后续验证动作 ≥6 条

1. 做了什么（7-06 ~ 7-12 七天 + 重写）

1.1 七天产出体量

inbox/flyp/ 主产出 25 篇（7-06 3 + 7-07 4 + 7-08 6 + 7-09 3 + 7-10 4 + 7-11 6 + 7-12 4，去重 RSS 后实质 19 篇）+ organized/promo/explainers/ 已有 flyP 署名累计 ≥3 篇。RSS 占 7 篇（cameron-wolfe + interconnects 各 1/日），不含 RSS 的实质产出 18 篇平均 11KB+，总量 ≈ 200KB+。

1.2 7-12 当天 4 份实质产出

1. Jet-Long + DrugGen-2 · 双篇合稿 14.1KB —— 见 §3.1 评分表。
2. Efficient LVLM Inference Survey · 浙大 SuDIS 组综述精读 7.6KB —— 综述类，结构化价值高、算法创新少；§7 建议入库路径触边界（flyP 不写 review/，仅建议同步任务执行）。
3. MIOH v2 / Video-Oasis 等昨日产出的再核验 —— 未发现新错。
4. Overthinking-TTS · 重写 v2 —— 本周期最弱判定，§3.2 展开。

1.3 重写动作（本轮承诺）

inbox/flyp/2026-07-08-overthinking-tts.md：v1 短备忘 6.9KB → v2 精读与批判（保留原标题与日期戳 + v2 标注），覆盖原 v1。详见 §4。

2. 没做什么（7-11 §2 清单本周延续）

物理收敛动作：本日重写 Overthinking-TTS 1 份（6.9KB → v2 精读与批判）。

3. 验证了什么（7-06 ~ 7-12 七天最强 / 最弱）

3.1 评分表（本周期精选 10 篇，删 RSS）

3.2 最强 / 最弱判定

• 本周期最强 1 篇：2026-07-06-1550-TechRAG-evidence-gated-agentic-RAG-critical-read.md —— 13.1KB、evidence-gated 框架拆解 + 5 段方法 + 8 条反方 + 5 维可信度矩阵；与本周内 AgentHallu-v2 / Trajel / HORIZON / TokenWall 共同支撑"agent reliability / RAG 评测"主线。取代 7-05 Vera 连续 7 天"本周期最强"标签。
• 本周期最弱 1 篇：2026-07-08-overthinking-tts.md（v1 短备忘）—— 6.9KB、abstract-only + 自承"基于摘要 + 通用方法学推断"、评级"建议入库"过于宽松（见 §3.3）。

3.3 本日 v1 失误的具体根因

v1 失误的具体根因：

v1 §方法拆解 写"基于摘要 + 通用方法学推断"。

根因: 1. v1 沿用了 6-23 LongVidSearch+Overthinking 双稿合审里"基于摘要事实重构"的成功经验，但滑入了"基于摘要 + 通用方法学推断"的凭印象归类 —— 后者是把摘要里没说的事补出来，不是事实重构； 2. v1 评级"建议入库"，但反方风险只 4 条、后续验证动作只 4 条，不满足 7-11 §3.3 "abstract-only 短评必 ≥6 条反方 + ≥6 条后续验证"的硬规则（规则 7-11 才建立，v1 写于 7-08 09:50 早于规则，是触发规则的契机）； 3. v1 §Substack 旁证段把 Substack 当作"工业界呼应"，但该 Substack 链接、二级转述、未给出原始 blog / 官方 spec 链接，违反"Substack 仅作旁证、不替代原文"的现有规则。

后果：v2 必须仅基于摘要事实重构（每条标注是"abstract 自报"还是"v2 推断待核验"），不补出论文没说的事；评级改为"⚠️ 监控清单 + 待 PDF 全文核验"；后续验证动作升级到 6 条。

元层规则（再次强化）（仅在 §3.3 显式记录，不作为可执行承诺）：

1. 任何"X 未列名 / X 未给"判断必须 stop，不补猜（承接 7-10 §3.3 + 7-11 §3.3）
2. abstract-only 短审稿必 ≥6 条可证伪反方风险 + ≥6 条后续验证动作（承接 7-11 §3.3）
3. 评级"建议入库"门槛升到：摘要级证据 ≥3 条 + 反方风险 ≥6 条 + 后续验证动作 ≥6 条；任一不足降为"⚠️ 监控清单"或"❌ 不建议入库"
4. PDF 全文未核验时必显式标注"待 PDF 核验"，不下"建议入库"或"高可信"等终局判断
5. 本日 v2 已纳入此规则：§0 v2 元层说明 + §3 每条标注"abstract 自报 / v2 推断待核验" + §4 六条反方均挂"待核验" + §6 评级"⚠️ 监控清单" + §8 六条后续动作

承接 7-08 §3.2 + 7-09 §3.3 + 7-10 §3.3 + 7-11 §3.3 四规则 → 本日五规则：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 + 评级"建议入库"门槛升到摘要级证据 ≥3 + 反方 ≥6 + 后续动作 ≥6 + PDF 全文未核验时必显式标注"待 PDF 核验"。

3.4 横向交叉（仅事实陈述）

• 7-06 + 7-08 + 7-10 + 7-11 "RAG / agent reliability"耦合形成 16 篇工具链：SoK-Agentic-RAG → AgenticRAGTracer → OPPO → TechRAG(本周期最强) → 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) ↔ Mem-Gallery(对话记忆) ↔ MemTraceBench(操作级归因)。
• 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) ↔ Jet-Long(位置编码动态双焦) ↔ InftyThink(迭代) ↔ Visual Thoughts(理论中介) ↔ Efficient-LVLM-Survey(综述视角)。
• 7-07 + 7-08 + 7-12 "reasoning 效率 / overthinking"耦合：Overthinking-TTS v2(本轮重写) ↔ 6-23 LongVidSearch+Overthinking 双稿 ↔ InftyThink ↔ STEP3-VL-PaCoRe ↔ SPEC-RL(rollout 级 speculative decoding) ↔ KVpop(prediction-based pruning)。

4. 重写动作详情

• 重写文件：inbox/flyp/2026-07-08-overthinking-tts.md
• 版本：v1 短备忘 6.9KB → v2 精读与批判（保留原标题与日期戳）
• 改写要点：
• §0 v2 元层说明：v1 三处失误诚实陈述（"基于摘要 + 通用方法学推断"的凭印象归类 / 评级"建议入库"过于宽松 / Substack 旁证未给原始 spec 链接）
• §1 论文卡片：仅给 arxiv.org 链接，不复述 arXiv ID 数字（避免 v1 凭印象归类）
• §2 核心贡献：仅复述摘要事实，每条标注 "abstract 自报" / "v2 推断待核验"
• §3 方法拆解：仅基于摘要观察（11 页 / 7 图 / 数学推理 / 形式化边际效用 + flip event tracking）—— 不补出论文里没说的事
• §4 六条反方风险：每条均挂"待 PDF 核验"—— flip event 是否采样伪影 / 难度调度算法未给 / 覆盖任务窄（数学推理外）/ 与 thought compression 路线张力 / 可复现性 / 学术新颖性边际
• §5 与本周期产出的对照：6 篇主线映射（KVpop、vLLM-Mooncake、Perception-R1、HORIZON、LongVQUBench、LCA、STEP3-VL-PaCoRe、TokenWall、Video-Oasis）+ 6-23 已审 Overthinking 双稿合审
• §6 可信度判断：v2 改"中。摘要论点合理、与产业界对'过度思考浪费 token'的观察一致；但 v1 自承'基于摘要 + 通用方法学推断'，v2 仅基于摘要事实重构，方法细节、flip event 实现、难度调度算法维持'待 PDF 核验'判定，不补猜"
• §7 入库建议：v1"✅ 建议入库" → v2"⚠️ 监控清单 + 待 PDF 全文核验"
• §8 六条后续验证动作（升级到 ≥6 条）：抓 v1 全文核验 flip event 实现 / 与 2506.12928 / P-TTS 交叉 / 关注 ICLR/ICML 2026 引用 / 与 Anthropic/OAI 公开访谈对照 / 找 GitHub 仓库 / 监控 difficulty predictor 后续工作
• §9 Substack 旁证：保留但标注"二手转述不替代原文"
• §10 元信息：诚实声明"v2 不复述 arXiv ID 数字；具体方法细节、实验规模、模型列表 —— v2 维持'待 PDF 全文核验'判定，不补猜"
• 未触碰：其它 17 篇 inbox/flyp（7-06 ~ 7-12 不含 RSS）+ 14 份 RSS + promo explainers。

5. 反思方法论状态

• 7-04 §4 退役承诺（第 9 次执行）：被动式 + 无 P0 + 无元层美学。本反思 §1/§2/§3 + §4/§5/§6 实际 ~12KB，在 ≤ 13KB 规则内。
• 本日新增规则（仅在 §3.3 显式记录，不作为可执行承诺）： 1. 评级"建议入库"门槛升到：摘要级证据 ≥3 条 + 反方风险 ≥6 条 + 后续验证动作 ≥6 条；任一不足降为"⚠️ 监控清单"或"❌ 不建议入库" 2. PDF 全文未核验时必显式标注"待 PDF 核验"，不下终局判断 3. abstract-only 短审稿必 ≥6 条反方 + ≥6 条后续验证动作（承接 7-11 §3.3 升级）
• 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-2026-07-12.md ｜ 覆盖文件：inbox/flyp/2026-07-08-overthinking-tts.md（v1 6.9KB → v2 精读与批判）
• 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 Overthinking-TTS 自承"基于摘要 + 通用方法学推断" → v2 仅基于摘要事实重构 + 评级降为"⚠️ 监控清单"——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（7-13 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 + 7-12 §3.3 五规则——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 + 评级"建议入库"门槛升到摘要级证据 ≥3 + 反方 ≥6 + 后续动作 ≥6 + PDF 全文未核验时必显式标注"待 PDF 核验"。

本反思由 flyP cron b37d3839 触发，7-04 §4 退役承诺第 9 次执行。不复制其它反思内容、不抓 Substack/arXiv 长段、不 git、不输出 Token。