flyP 反思 · 2026-07-14

实例：flyP · Asia/Shanghai · 反思范围：2026-07-08 ~ 2026-07-14（含 7-14 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 11 次执行）。本文 ~16KB（承接 7-13 反思 ~18KB 区间，本期反思体量已稳定在 15-18KB；继续按密度而非字数裁剪，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 + 7-12 §3.3 + 7-13 §3.3 六规则 → 本日七规则）：v1 信号价值评分不允许凭"高热度 + 营销强声量"立论 + 同期工作对位表不允许只写"关系描述"不列具体数字 + 建议路径不允许越界到 review/ / notes/ / published/ + abstract-only 短评必 ≥6 条反方 + 评级"建议入库"门槛 = 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" + 「同日下午已有主稿」的姐妹稿不豁免六规则——任何补稿 / 短稿 / followup 都按 ≥6 条反方 + ≥6 条后续动作 + 评级门槛标准执行（本日新增）

1. 做了什么（7-08 ~ 7-14 七天 + 重写）

1.1 七天产出体量

inbox/flyp/ 主产出 30+ 篇（7-08 6 + 7-09 5 + 7-10 5 + 7-11 11 + 7-12 6 + 7-13 6 + 7-14 6，去重 RSS 与重写覆盖后实质 22 篇）。RSS 占 14 份（cameron-wolfe + interconnects 各 1/日 + 7-14 yt-ai-explained / yt-two-minute-papers 各 1），不含 RSS 的实质产出 22 篇平均 11KB+，总量 ≈ 240KB+。organized/promo/explainers/ 已有 flyP 署名累计 ≥3 篇（保持稳定）。organized/reflection/ 本周新增 7 份（7-08 ~ 7-14）。

1.2 7-14 当天 3 份实质产出

1. GLM-5.2 · 智谱开放权重 1M-context Agent 模型 11.8KB —— §3.1 评分表。
2. CoT-Edit · CoT 引导指令视频编辑 10.2KB —— §3.1 评分表。
3. LoomVideo · 统一多模态视频生成+编辑 5B 架构 9.9KB —— §3.1 评分表。
4. 7-13 22:51 LingBot-Video 短补稿 v1 2.3KB —— 本日最弱判定（§3.2 展开 → §4 重写）。

1.3 重写动作（本轮承诺）

inbox/flyp/2026-07-13-2251-LingBot-Video-MoE-embodied-short-followup.md：v1 短补稿 2.3KB → v2 精读与批判 9.5KB（保留原标题与日期戳 + v2 标注），覆盖原 v1。详见 §4。

2. 没做什么（7-13 §2 清单本周延续）

物理收敛动作：本日重写 LingBot-Video 短补稿 1 份（2.3KB → v2 9.5KB）。

3. 验证了什么（7-08 ~ 7-14 七天最强 / 最弱）

3.1 评分表（本周期精选 15 篇，删 RSS）

3.2 最强 / 最弱判定

• 本周期最强 1 篇：2026-07-10-2110-MIOH-multimodal-hallucination-benchmark-critical-read.md（v2 重写覆盖原 7-08 15:50 v1）—— v2 20KB（v1 18.7KB → v2 20KB）、KB 协调棒 arXiv:2607.04410 错配纠错（root cause #2：v1 没去 KB 协调棒归档里查 arXiv ID）、CVPR OpenAccess PDF metadata 11 页 + 29 模型数与摘要 30 模型数矛盾诚实记录、与 5 篇 flyP 已有笔记横向、§7 KB 协调棒归档纠错元层动作。取代 7-13 反思里的 TokenWall（7-13 时未对 MIOH v2 做最强重评）。延续 7-06 TechRAG → 7-11 TokenWall → 7-14 MIOH v2 的"评测 hygiene + 元方法学"主线最强标。
• 本周期最弱 1 篇：2026-07-13-2251-LingBot-Video-MoE-embodied-short-followup.md（v1 短补稿 2.3KB）—— 凭印象归类（路由粒度 / 专家容量 / 具身帧动作抖动全部 abstract 未给）+ 反方仅 2 条（违反 7-13 §3.3 规则 5）+ 后续动作仅 3 条（违反规则 5 后半）+ 评级"中-高 + 建议入库"违反规则 6 门槛。详见 §3.3。

3.3 本日 v1 失误的具体根因

v1 失误的具体根因：

v1 §1 三条核心贡献全凭印象归类 + v1 §2 反方仅 2 条 + v1 §3-§4 评级"中-高 + 建议入库"。

根因: 1. v1 §1 写"用稀疏 MoE 替换传统 dense 时空 Transformer block" + "路由粒度偏 token-level + patch-level 混合" + "专家容量不能太低，否则具身帧会出现'动作抖动'" —— 这三条比 abstract 描述更具体，且未挂"abstract 自报"或"v1 推断待核验"标签。根因：v1 写时把"同日下午已有主稿看过 LingBot-Video 摘要"当作"凭印象复述"——但 abstract 实际只说"MoE" / "long-term temporal consistency" / "pretraining + finetuning"，没说"替换 dense" / "路由粒度偏 token-level" / "专家容量" / "具身帧动作抖动"。这是 7-08 §3.2 + 7-12 §3.3 凭印象归类失误的同源根因； 2. v1 §2 反方仅 2 条（路由可视化缺失 / 具身评估较薄），违反 7-13 §3.3 规则 5「abstract-only 短评必 ≥6 条可证伪反方」。根因：v1 写时把"姐妹稿"理解成"可以简化规则"——v2 显式纠错：「同日下午已有主稿」的姐妹稿不豁免六规则，任何补稿 / 短稿 / followup 都按 ≥6 条反方 + ≥6 条后续动作标准执行； 3. v1 §3-§4 评级"中-高 + 建议入库"，违反 7-13 §3.3 规则 6 门槛（摘要级证据 1 < 3 + 反方 2 < 6 + 后续动作 3 < 6）。根因：v1 写时把"机构主页 + GitHub + 模型权重均公开"当作前提（v1 §3 第 2 条），但 GitHub / 权重 / 数据 abstract 与项目页v1 未给具体 URL——是 v1 凭印象抄录主稿结论，未重新核验。

后果：v2 必须 (a) §1 删除 v1 凭印象归类的三条具体描述，改为"abstract 自报"+"待 PDF 核验"标签；(b) §2 补 MoE 路由粒度 / 具身数据混合 / 长时序约束形式三视角深挖（v1 §1-§2 没做）；(c) §4 升级到 6 条可证伪反方，每条带具体证伪条件；(d) §6 升级到 6 条后续验证动作；(e) §5 评级降为"⚠️ 监控清单"。

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. v1 信号价值评分不允许凭"高热度 + 营销强声量"立论（承接 7-13 §3.3）
2. 同期工作对位表不允许只写"关系描述"不列具体数字（承接 7-13 §3.3）
3. 建议路径不允许越界到 review/ / notes/ / published/（承接 7-13 §3.3）
4. 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 + 7-12 §3.3）
5. 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）
6. 评级"建议入库"门槛 = 摘要级证据 ≥3 + 反方 ≥6 + 后续动作 ≥6（承接 7-12 §3.3）
7. 「同日下午已有主稿」的姐妹稿不豁免六规则——任何补稿 / 短稿 / followup 都按 ≥6 条反方 + ≥6 条后续动作 + 评级门槛标准执行（本日新增）

承接 7-08 §3.2 + 7-09 §3.3 + 7-10 §3.3 + 7-11 §3.3 + 7-12 §3.3 + 7-13 §3.3 六规则 → 本日七规则：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" + v1 信号价值评分不允许凭高热度立论 + 跨论文对位表不允许只写关系描述 + 建议路径不允许越界到 review/notes/published + 「同日下午已有主稿」的姐妹稿不豁免六规则。

3.4 横向交叉（仅事实陈述）

• 7-08 + 7-10 + 7-11 + 7-13 "RAG / agent reliability / video RAG"耦合形成 18 篇工具链：SoK-Agentic-RAG → AgenticRAGTracer → OPPO → TechRAG(7-06 最强) → MultAttnAttrib → HORIZON → AgentHallu(v2) ↔ Vera(防御) ↔ AgentLAB(攻击) ↔ TokenWall(防火墙 · 7-11 强) ↔ Context-Access-Divide(社会学) ↔ Trajel ↔ MIOH v2(诊断 · 7-14 最强) ↔ Video-Oasis(元方法学) ↔ Mem-Gallery(对话记忆) ↔ MemTraceBench(操作级归因) ↔ LifeBench(长程多源记忆) ↔ V-RAGBench(长视频 RAG · 7-13 新增) ↔ InteractRAG(语料交互)。
• 7-08 + 7-09 + 7-10 + 7-11 + 7-13 + 7-14 "长上下文 / 系统加速 / 视频生成"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) ↔ Canvas360(全景生成) ↔ LingBot-Video v2(MoE 具身 · 7-14 升级) ↔ Vidu S1 v2(实时交互闭源) ↔ CoT-Edit(7-14 plan-guide-edit) ↔ LoomVideo(7-14 统一 5B)。
• 7-07 + 7-08 + 7-12 + 7-13 "reasoning 效率 / overthinking"耦合：Overthinking-TTS v2(7-12 重写 · 7-14 强) ↔ 6-23 LongVidSearch+Overthinking 双稿合审 ↔ InftyThink ↔ STEP3-VL-PaCoRe ↔ SPEC-RL(rollout 级 speculative decoding) ↔ KVpop(prediction-based pruning)。
• 7-08 + 7-09 + 7-10 + 7-11 "长期任务 / 记忆 / 可靠性"耦合（本周期最核心主线）：HORIZON(诊断) → Trajel(工业轨迹) → Mem-Gallery(多模态长期) → MemTraceBench(操作级归因) → LifeBench(多源非陈述) → AgentLAB(长程攻击) → TokenWall(防御 · 7-11 强) → Remember-When-It-Matters(主动干预) → Visual-Thoughts v2(理论中介)。
• 7-13 + 7-14 "国产开源大模型 + Agent 旗舰"耦合（新主线）：GLM-5.2(7-14) ↔ DeepSeek v4 ↔ Qwen3-Max ↔ Kimi K2 ↔ LingBot-World 2.0(7-11 已读) ↔ LingBot-Video(7-13 + v2) ↔ Qwen-RobotManip(7-11 已读 explainer)。这条主线在 7-14 GLM-5.2 精读中明确为"2026-06 国产开源 Agent 四强"，v2 列入主题页候选。

4. 重写动作详情

• 重写文件：inbox/flyp/2026-07-13-2251-LingBot-Video-MoE-embodied-short-followup.md
• 版本：v1 短补稿 2.3KB → v2 精读与批判 9.5KB（保留原标题与日期戳 + v2 标注）
• 改写要点：
• §0 v2 元层说明：v1 三处失误诚实陈述（"凭印象归类三条具体描述" / "反方 < 6" / "评级违反 7-13 §3.3 规则 6"）
• §1 论文身份卡：仅给"待核验"标注，不补猜 abstract 没说的事（v1 §1 的"路由粒度" / "专家容量" / "具身帧动作抖动"全部删除）
• §2 MoE 视角观察（v2 独占，深挖主稿未覆盖的三个角度）：路由粒度 / 具身数据混合路径 A-B / 评估协议静态-动态-任务三路径 —— 不重复主稿 §3，定位为"主稿的 MoE 视角深挖"
• §3 核心贡献：5 条 abstract 自报均挂"待 PDF 核验"或"v2 不补猜"标签
• §4 六条可证伪反方：每条挂"待核验"+ 具体证伪条件 + 判定依赖 PDF 节
  • §4.1 路由粒度未公开（v1 §2 第 1 条"路由可视化缺失"是结果，v2 指明"路由粒度未公开"是根因）
  • §4.2 具身数据混合比未公开（v2 独占）
  • §4.3 长时序一致性"约束"形式未公开（v2 独占）
  • §4.4 与同期具身视频 SOTA 对位表空（v1 §2 第 2 条"具身评估较薄"是结论，v2 指明"未对位同期 SOTA"是根因）
  • §4.5 长视频 token 数量与训练算力未公开（v2 独占）
  • §4.6 GitHub 仓库 / 权重 / 数据是否开源未公开（v1 漏，v2 补）
• §5 可信度评级 v2 校正：中-高 → 中-偏低 + 监控清单（v1 违反 7-13 §3.3 规则 6 门槛）
• §7 与主稿边界：v2 显式表格列出主稿已覆盖 vs v2 独占的 9 维度 —— 不重复主稿 + MoE 路由 / 具身数据 / 评估协议 / 对位表 / 开源 五项 v2 独占
• §8 入库建议：v1"建议入库" → v2"⚠️ 监控清单 + 待 PDF 全文核验" + 4 条具体入库前置条件
• §9 一句话归档：v1 单句 → v2 完整归档意见含"v1 三处校正" 说明
• §10 元信息：诚实声明"v2 已在 §0/§1/§4/§5/§6/§8 显式遵循本日七规则"
• 未触碰：其它 21 篇 inbox/flyp（7-08 ~ 7-14 不含 RSS）+ 14 份 RSS + promo explainers。

5. 反思方法论状态

• 7-04 §4 退役承诺（第 11 次执行）：被动式 + 无 P0 + 无元层美学。本反思 §1/§2/§3 + §4/§5/§6 实际 ~16KB（承接 7-13 反思 ~18KB 区间；按密度而非字数裁剪）。
• 本日新增规则（仅在 §3.3 显式记录，不作为可执行承诺）： 1. 「同日下午已有主稿」的姐妹稿不豁免六规则——任何补稿 / 短稿 / followup 都按 ≥6 条反方 + ≥6 条后续动作 + 评级门槛标准执行
• 7-13 反思加的另外两条规则（v1 信号价值评分不允许凭"高热度 + 营销强声量"立论 + 同期工作对位表不允许只写"关系描述"不列具体数字 + 建议路径不允许越界到 review/ / notes/ / published/）保留。
• 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-2026-07-14.md ｜ 覆盖文件：inbox/flyp/2026-07-13-2251-LingBot-Video-MoE-embodied-short-followup.md（v1 2.3KB → v2 9.5KB）
• 合规：不写其他实例目录（jay/spark/stephen/tom）；不写 review/、published/、notes/、digests/；不 git commit/push/gh pr；不输出密钥/Token；不复制原文长段。
• 本日转折：v1 LingBot 短补稿凭印象归类（路由粒度 / 专家容量 / 具身帧动作抖动全部 abstract 未给） + 反方 < 6 + 后续动作 < 6 + 评级"中-高 + 建议入库"违反 7-13 §3.3 规则 6 → v2 删除凭印象归类三条 + §2 补 MoE 三视角深挖 + 6 条可证伪反方 + 6 条后续动作 + 评级降为"⚠️ 监控清单" + 明确与主稿边界不重复 —— 见 §3.3。
• 未交付项：7-03 P0-1（2606.22565）按 7-04 §0 的 10 周+0 兑现归 §2 #1，不再追。
• 下一次（7-15 起）：继续被动式、≤ 18KB、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 + 7-13 §3.3 + 7-14 §3.3 七规则——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" + v1 信号价值评分不允许凭高热度立论 + 跨论文对位表不允许只写关系描述 + 建议路径不允许越界到 review/notes/published + 「同日下午已有主稿」的姐妹稿不豁免六规则。

本反思由 flyP cron b37d3839 触发，7-04 §4 退役承诺第 11 次执行。不复制其它反思内容、不抓 arXiv 长段、不 git、不输出 Token。