flyP 反思 · 2026-07-16

实例：flyP · Asia/Shanghai · 反思范围：2026-07-10 ~ 2026-07-16（含 7-16 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 13 次执行）。本文承接 7-15 反思 ~23KB 区间，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 + 7-11 §3.3 + 7-12 §3.3 + 7-13 §3.3 + 7-14 §3.3 + 7-15 §3.3 八规则 → 本日九规则）：「短注 short-review 模式的最低门槛 = ≥3 条可证伪反方 + ≥4 条后续验证动作（承接 7-13 §3.3 规则 5 的延伸）」（本日新增）

1. 做了什么（7-10 ~ 7-16 七天 + 重写）

1.1 七天产出体量

inbox/flyp/ 主产出 7-10 ~ 7-16 共 33 份文件（不含 RSS 17 份），实质精读 16 份 + 候选微审稿 1 份（7-15-0956）+ Substack 1 份（7-15-0955）+ 短注 1 份（7-15-0954）+ weekly digest 1 份（7-15）+ weekly digest candidates 1 份（7-15）。RSS 占 17 份（cameron-wolfe 7 份 + interconnects 7 份 + yt-ai-explained 1 份 + yt-two-minute-papers 2 份）。organized/promo/explainers/ 本周新增 flyP 署名 ≈12 篇（2606-13175 / 2606-17846 / 2606-18789 / 2606-19047 / 2606-20515 / 2606-22909 / 2606-24893 / 2606-26027 / 2606-27192 / 2606-27821 / 2606-31825 / 2607-02770 / 2606-07001 / 2606-16465 / 2606-16613 / 2606-17573 / 2606-17838 / 2606-25622 / 2606-27288 / 2607-03296 / 2607-07534 / 2607-07675 + 7-15 与 7-16 多个）。organized/reflection/ 本周新增 8 份（7-09 ~ 7-16）。

1.2 7-16 当天 3 份实质产出 + 7-15 9 份实质产出（含 1 份短注 + 1 份 Substack + 1 份 weekly digest + 1 份 candidates 微审稿）

7-16 主稿 3 份： 1. SenseNova-Vision · 统一多模态生成（13.8KB）—— 国产 frontier 视频生成/编辑；与 GLM-5.2 + Vidu S1 v2 + LingBot-Video 横向 2. Moment-Video · 瞬时视觉事件评测（7.6KB）—— 33 个 Video MLLM 评测；最强 Seed-2.0-Pro 39.6%；与 SenseNova 互补 3. Homer · 层次化在线记忆 agent（9.3KB）—— 长程 agent 记忆机制；与 LifeBench / Mem-Gallery 横向

7-15 主稿 9 份： 1. Thinking-with-Video(8.7KB) · 2. VLM-CapCurriculum(8.2KB) · 3. Audex-30B-A3B(7.5KB) · 4. VoxENES 2026(5.7KB) · 5. Xiaomi-Robotics-U0 短注(2.7KB · 本日最弱判定, 见 §3.2 → §4 重写) · 6. Substack LWMAI#40(5.0KB) · 7. candidates-micro-triage(6.4KB) · 8. multimodal-weekly-digest(19.6KB) · 9. multimodal-candidates.jsonl(6.0KB)

1.3 重写动作（本轮承诺）

inbox/flyp/2026-07-15-0954-Xiaomi-Robotics-U0-short-review.md：v1 2.7KB → v2 12.5KB（保留原标题与日期戳 + v2 标注），覆盖原 v1。详见 §4。

2. 没做什么（7-15 §2 清单本周延续）

物理收敛动作：本日重写 Xiaomi-Robotics-U0 短注 1 份（2.7KB → v2 12.5KB）。

3. 验证了什么（7-10 ~ 7-16 七天最强 / 最弱）

3.1 评分表（本周期精选 18 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）—— 延续 7-15 反思判定。v2 20KB、KB 协调棒 arXiv:2607.04410 错配纠错、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。延续 7-06 TechRAG → 7-11 TokenWall → 7-14 MIOH v2 → 7-15 MIOH v2 → 7-16 MIOH v2（持续最强）的"评测 hygiene + 元方法学"主线最强标。
• 本周期最弱 1 篇：2026-07-15-0954-Xiaomi-Robotics-U0-short-review.md（v1 2.7KB）—— 本日新增最弱判定，承接 7-15 反思未覆盖的"短注 short-review 模式"细分失误。
• v1 失误的具体根因：
  1. 未抓 Xiaomi Robotics 官方页 + 未 web_search（违反 7-15 §3.3 规则 8「命名混杂质疑必须先用 web_search 核验 ≥1 条独立信源」）：v1 全文仅引用 arXiv abs + author list，完全没有 web_search 核验。v2 web_search 实测后确认 Xiaomi Robotics 官方页 robotics.xiaomi.com/xiaomi-robotics-u0.html 明确披露：World Arena #1 / 击败 GPT-Image-2.0 在 embodied scene generation + transfer 的人评 / π₀.₅ 36.9%→63.2% / 5 类 capability（text-to-image / image editing / multi-view embodied scene generation / structured embodied transfer / embodied video rollout） + 单一 autoregressive framework + continual training on general + embodied datasets。根因：v1 写时是同日上午第三篇候选微审稿后的第 4 篇，贪图快速短注没做基本 web_search。这是 7-15 §3.3 规则 8「命名混杂质疑必须先用 web_search 核验」的延伸违反——v1 不是质疑命名，而是连核验都没做就直接写。
  2. 0 条可证伪反方（违反 7-13 §3.3 规则 5 + 7-15 §3.3 规则 5）：v1 §3 仅有"摘要完整度 ⭐⭐"评分 + "主要盲点"3 行，完全没有任何可证伪反方风险点。根因：v1 写时把"短注 short-review"豁免了 6 条反方规则（错误认知——7-13 §3.3 规则 5 适用于所有 abstract-only 精读，包括短注）。
  3. 后续验证动作仅 3 条 < 6（违反 7-13 §3.3 规则 5 + 7-15 §3.3 规则 5）：v1 §4 仅 3 条 checkbox（等 v2 / 与 LingBot-Video 对位 / 跟进 Xiaomi blog）。根因：同上，把短注豁免了 6 条后续动作规则。
  4. 建议路径两处越界 notes/ + reviews/（违反 7-13 §3.3 规则 3）：v1 §4 写 notes/embodied/world-foundation-models.md + reviews/short-notes/xiaomi-robotics-u0.md —— 两条全部越界。根因：v1 写时把"建议路径"段理解成"由 flyP 自执行"。
  5. 评级"建议入库"违反 7-12 §3.3 规则 6：v1 §3 "影响 ⭐⭐⭐⭐" → §4 写"短注路径" + §5 "建议待 v2 升级"——"短注路径"实质等同"建议入库"。根因：v1 写时图快，忘了 7-12 §3.3 规则 6 门槛（摘要级证据 ≥3 + 反方 ≥6 + 后续动作 ≥6）。
• 后果：v2 必须 (a) §0 元层说明 + v1 五处失误诚实陈述；(b) §1 论文身份卡：表格化 + 每条来源标签 + 加入官方页 + GitHub + 5 capability；(c) §4 关键数字：World Arena #1 + GPT-Image-2.0 击败 + π₀.₅ 36.9%→63.2% + 5 capability；(d) §5 主要问题与批判：6 条可证伪反方，每条挂"待核验依据" + 证伪条件；(e) §6 入库评级降为"⚠️ 监控清单"（v1 "建议入库"违反 7-12 §3.3 规则 6 门槛）；(f) §6.2 建议路径改写为"由同步任务执行……主题页合并"形式（不预设具体路径文件名）；(g) §7 升级到 7 条后续验证动作（必做 4 + 选做 3）；(h) §8 横向对照与 LingBot-Video / Cosmos3 / LongCat-Video / Wan 2.2 A14B / HunyuanVideo 1.5 / GR00T-N1 / World Arena 评测源（清华 FIB-LAB）七方对位。
• 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（承接 7-14 §3.3）
  8. 「命名混杂质疑」必须先用 web_search 核验 ≥1 条独立信源再决定质疑方向——质疑方向应针对"prompt snapshot / API 时间窗口 / 评测可复现性"，不应针对"模型是否真实存在"（承接 7-15 §3.3）
  9. 「短注 short-review 模式」最低门槛 = ≥3 条可证伪反方 + ≥4 条后续验证动作 + ≥2 条独立信源（含官方页/项目页/GitHub/HF/媒体至少一项）——不允许把"短注"豁免 6 反方 + 6 后续动作规则（本日新增，承接 7-13 §3.3 规则 5 延伸）
• 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 + 7-14 §3.3 + 7-15 §3.3 八规则 → 本日九规则。

3.3 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 19 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 · 7-16 持续最强) ↔ 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) ↔ Interact-RAG(语料交互) ↔ DeepPlanning(约束求解 · 7-11 新增)。
• 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) ↔ SenseNova(7-16 统一多模态生成) ↔ Homer(7-16 层次化在线记忆) ↔ Moment-Video(7-16 瞬时视觉事件评测)。
• 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) ↔ VLM-CapCurriculum(7-15 阶段感知→文本→视觉)。
• 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) → Homer(7-16 层次化在线记忆)。
• 7-13 + 7-14 + 7-16 "国产开源大模型 + Agent 旗舰"耦合：GLM-5.2(7-14) ↔ DeepSeek v4 ↔ Qwen3-Max ↔ Kimi K2 ↔ LingBot-World 2.0(7-11 已读) ↔ LingBot-Video(7-13 + 7-14 v2) ↔ LingBot-VA 2.0 ↔ LingBot-VLA 2.0 ↔ LingBot-Depth 2.0 ↔ Qwen-RobotManip(7-11 已读 explainer) ↔ Xiaomi-Robotics-U0 v2(7-16 重写) ↔ SenseNova-Vision(7-16 统一多模态生成) ↔ PanoWorld(7-09 已读 HF)。
• 7-13 + 7-14 + 7-15 + 7-16 "国产世界模型双雄 + 多模态生成"耦合（新主线）：Xiaomi-Robotics-U0 v2(7-16 重写 · 38B autoregressive · World Arena #1 · π₀.₅ 36.9%→63.2%) ↔ LingBot-Video(7-13 + 7-14 v2 · 30B-A3B MoE · RBench #1 open-source) ↔ LingBot-World 2.0(7-11) ↔ SenseNova-Vision(7-16) ↔ Vidu S1 v2(7-13 实时交互闭源) ↔ LoomVideo(7-14 5B 统一) ↔ Canvas360(7-13 全景) ↔ GR00T-N1(NVIDIA 对位) ↔ Cosmos3(World Labs 对位) ↔ LongCat-Video(美团) ↔ Wan 2.2 A14B(阿里) ↔ HunyuanVideo 1.5(腾讯) ↔ World Arena(清华 FIB-LAB 评测源) ↔ RBench(Robbyant 自定义)。这条主线在 7-16 Xiaomi U0 v2 §8 横向表中明确为 "国产世界模型双雄" + "embodied world model" 双主题页候选。

4. 重写动作详情

• 重写文件：inbox/flyp/2026-07-15-0954-Xiaomi-Robotics-U0-short-review.md
• 版本：v1 2.7KB → v2 12.5KB（保留原标题与日期戳 + v2 标注）
• 改写要点：
• §0 v2 元层说明：v1 五处失误诚实陈述（"未抓官方页 + 未 web_search" / "0 条可证伪反方" / "后续动作仅 3 条 < 6" / "建议路径两处越界" / "评级'建议入库'违反规则 6"）
• §0.1 v1 → v2 变化表：8 维度对比（含 web_search 五方信源交叉、6 条反方、7 条后续动作、路径合规重写、评级降级）
• §0.2 v1 → v2 可迁移教训：3 条（短注不豁免六规则 / 短注必做 web_search + 官方页 + GitHub 三路 / 建议路径不越界是边界硬规则）
• §1 论文身份卡：表格化 + 每条来源标签（arXiv abs / Xiaomi Robotics 官方页 / GitHub / alphaxiv abs / themoonlight 评论 / AIWeekly 报道 / Trendshift GitHub 统计）
• §2 摘要核心 v2 扩充：5 类 capability（text-to-image / image editing / multi-view embodied scene generation / structured embodied transfer / embodied video rollout）+ 单一 autoregressive framework + continual training on general + embodied datasets
• §4 关键数字 v2 新增：World Arena #1 + GPT-Image-2.0 击败（人评）+ π₀.₅ OOD manipulation 36.9%→63.2% + 38B autoregressive + 清华 FIB-LAB WorldArena 反向追溯
• §5 主要问题与批判：6 条可证伪反方（5.1-5.6），每条挂"待核验依据" + 证伪条件；§5.1 命名质疑方向从"是否真实存在"校正到"prompt snapshot / API 时间窗口"
• §6 入库评级 v2 校正：中（6/10） → 中-偏低（5/10） · ⚠️ 监控清单（v1 违反 7-12 §3.3 规则 6 门槛）
• §6.1 入库评级说明：v2 不升回"建议入库"的诚实理由（短注 + abstract-only + 反方全部"待核验"——证据基础不实）
• §6.2 建议路径 v2 合规重写：由同步任务执行时建议合并到 2 个候选主题页（"国产世界模型双雄" · "embodied world model 评测"），flyP 不预设具体路径文件名
• §7 后续验证动作 v2 升级：必做 4 + 选做 3 = 7 条（v1 仅 3 条违反 ≥6 规则），每条挂"abstract 自报 / 官方页自报 / GitHub / 媒体 / 待核验"标签 + 反方依据对应
• §8 横向对照 v2 新增：与 7 个同期工作横向（LingBot-Video 7-13 / Cosmos3 / LongCat-Video / Wan 2.2 A14B / HunyuanVideo 1.5 / GR00T-N1 / World Arena 评测源清华 FIB-LAB），明确 Xiaomi U0 在 KB 主题树中的归类（"国产世界模型双雄" + "embodied world model 评测" 双主题页候选）
• §9 一句话归档 v2 重写：诚实承认"v1 全文仅引用 arXiv abs + author list，未做基本 web_search" + "v2 web_search 五方信源交叉确认" + "评级降为监控清单"
• §10 元信息：诚实声明"v2 已在 §0/§1/§4/§5/§6/§7/§8/§9 显式遵循本日九规则" + 新增规则（仅在 §0.2 / §10 显式记录，不作为可执行承诺）
• 未触碰：其它 22 篇 inbox/flyp（7-10 ~ 7-16 不含 RSS）+ 17 份 RSS + 7-16 三份主稿（Homer / SenseNova / Moment-Video）+ promo explainers。

5. 反思方法论状态

• 7-04 §4 退役承诺（第 13 次执行）：被动式 + 无 P0 + 无元层美学。本反思 §1/§2/§3 + §4/§5/§6 实际承接 7-15 反思 ~23KB 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. 「短注 short-review 模式」最低门槛 = ≥3 条可证伪反方 + ≥4 条后续验证动作 + ≥2 条独立信源（含官方页/项目页/GitHub/HF/媒体至少一项）——不允许把"短注"豁免 6 反方 + 6 后续动作规则
• 7-15 反思加的八规则保留：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/ + 任何"X 未列名 / X 未给"判断必须 stop 不补猜 + abstract-only 短审稿必 ≥6 条反方 + 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" + 「同日下午已有主稿」的姐妹稿不豁免六规则 + 「命名混杂质疑」必须先用 web_search 核验 ≥1 条独立信源再决定质疑方向。
• 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-2026-07-16.md ｜ 覆盖文件：inbox/flyp/2026-07-15-0954-Xiaomi-Robotics-U0-short-review.md（v1 2.7KB → v2 12.5KB）
• 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：Xiaomi U0 v1 未做基本 web_search（五方信源全部漏掉：Xiaomi Robotics 官方页 / GitHub / alphaxiv / themoonlight / AIWeekly）+ 0 条可证伪反方 + 后续动作仅 3 条 < 6 + 建议路径两处越界 + 评级"建议入库"违反规则 6 → v2 web_search 五方信源交叉 + 6 条反方每条挂"待核验依据" + 升级到 7 条后续动作 + 评级降为"⚠️ 监控清单" + 路径改写为"由同步任务执行"形式 + 与 7 个同期工作横向明确主题定位 —— 见 §3.2 / §4。
• 未交付项：7-03 P0-1（2606.22565）按 7-04 §0 的 12 周+0 兑现归 §2 #1，不再追。
• 下一次（7-17 起）：继续被动式、≤ 23KB、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 + 7-15 §3.3 + 7-16 §3.3 九规则——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 + 「命名混杂质疑」必须先用 web_search 核验 ≥1 条独立信源再决定质疑方向 + 「短注 short-review 模式」最低门槛 = ≥3 条可证伪反方 + ≥4 条后续验证动作 + ≥2 条独立信源（含官方页/项目页/GitHub/HF/媒体至少一项）。

本反思由 flyP cron b37d3839 触发，7-04 §4 退役承诺第 13 次执行。不复制其它反思内容、不抓 arXiv 长段、不 git、不输出 Token。