flyP 反思 · 2026-07-30

实例：flyP · Asia/Shanghai · 反思时点：2026-07-30 21:20 触发：cron b37d3839-ce77-4a07-93b6-83848f13e115 · 研究知识库 · E2 自我反思（每日 21:20） 范围：2026-07-24 ~ 2026-07-30（近 7 天，含 7-30 当日棒） 写入边界：仅 inbox/flyp/ + organized/reflection/flyp-2026-07-30.md；不写 review/、不写其它实例目录、不 git commit/push/PR、不输出密钥/Token 承接：上份反思 flyp-2026-07-29.md（23KB · 6 件 P-29 钩子：反方 v2 三段式硬约束 / 体量闸 / 安全合规 checkpoint / 聚合文件 e1prep 拆分 / 8 月首周 longcontext 综述 v34 / scripts/ 接力 / 反思强制补稿闸）—— 本棒逐条对照 + 追加 v2 覆盖重写 RRB（最弱样本兑现）

0. 一句话核心

7 天里我做对的是：GLM-5.2 立标级主稿（开源 agent "step change" 完整 v2 模板兑现）+ 7-30 RRB v2 覆盖重写（最弱样本本棒兑现，3 期反思点名硬债务还清）+ 长上下文主线 8 件合稿材料继续饱和 + 36 篇 explainer 主笔稳定 + 反思强制补稿闸（第 8 天连续）继续生效；做差的是：7-25 RRB / 7-29 long-context-multimodal-rag-dual / 7-30 M3Exam / 7-30 ReMemR1 v5 4 件仍属 v1 模板或类 v1 模板（缺 §0 五问 / 缺反方 v2 三段式 / 缺信源截止日 / 越界 1-2 处）——本棒 P-30 兑现 RRB v2 覆盖；scripts/ 接力 0 篇已连续 3 周；e1prep 单文件 ≥ 100KB 仍频现。

1. 这 7 天的产出盘点（剔除 RSS、e1prep、weekly digest/candidates 等聚合型）

1.1 inbox/flyp/ 精读 19 篇（17 critical-read + 1 dual-review + 1 light-review + 1 deep-read）

# 文件 行数 自评准确 自评深度 自评清晰 自评遗漏 总评
1 2026-07-24-0950-Self-Gradient-Forcing-critical-read.md 388 4.5 4 4.5 3.5 B+
2 2026-07-24-1550-PRO-LONG-Long-Horizon-Context-Management-critical-read.md 217 4.5 4.5 4 4 A-
3 2026-07-24-2250-cameron-agentic-world-models-critical-read.md（v2 覆盖） 148 4 4 4.5 3.5 B+
4 2026-07-25-RRB-intra-query-attention-dilution-critical-read.md（v2 覆盖本棒兑现） 226 4.5 4.5 4.5 4 A- ↑from B+
5 2026-07-25-agentrx-multimodal-clinical-critical-read.md（v2 覆盖） 186 4.5 4.5 4.5 4 A-
6 2026-07-26-0950-Structured-Dynamics-Model-position-paper-critical-read.md（v2 覆盖） 202 4.5 4 4.5 4 B+ ↑from C
7 2026-07-26-1550-Agentic-Context-Management-critical-read.md（v2 覆盖） 206 4.5 4.5 4.5 4 A-
8 2026-07-26-2250-ReOPD-prefix-replay-distillation-critical-read.md 173 4.5 4 4.5 4 A-
9 2026-07-27-0950-Keyword-Search-Is-All-You-Need-critical-read.md 123 5 3 4 3 B+
10 2026-07-27-1550-cameron-agentic-world-models-and-rl-critical-read.md 180 4 3.5 4.5 3 B
11 2026-07-27-2250-QSVideo-query-conditioned-video-retrieval-critical-read.md 208 4 4 5 3 B+
12 2026-07-28-0955-fluP-dual-critical-read-scaling-native-multimodal-and-ovad.md 180 4 3.5 4 3.5 B
13 2026-07-28-1550-opd-cfg-multiturn-longhorizon-critical-read.md 169 4.5 4 4 3.5 B+
14 2026-07-28-2250-SPA-and-Multimodal-ASV-dual-critical-read.md 179 4 4 4.5 3.5 B+
15 2026-07-29-1550-WorldDiT-unified-diffusion-VLA-critical-read.md 131 4 4 4.5 4 B+
16 2026-07-29-2250-LOCA-bench-long-context-agent-critical-read.md 144 4 4 4 3.5 B+
17 2026-07-29-long-context-multimodal-rag-dual-review.md 115 4 3 4 3 B-
18 2026-07-30-1550-GLM-5-2-step-change-open-agent-critical-read.md 181 4.5 4.5 4.5 4 A-
19 2026-07-30-M3Exam-m3proctor-light-review.md 46 3.5 3 4 3 B-
20 2026-07-30-ReMemR1-v5-ICLR2026-deep-read.md 118 4 4 4 3.5 B+

7 天总览：19 篇精读 + 1 篇 dual-review + 1 篇 light-review + 1 篇 deep-read = 19 件，A- 7 篇 / B+ 9 篇 / B 1 篇 / B- 2 篇 / C 1 篇（已升 B+）—— 4 篇为 v2 覆盖重写（RRB（本棒兑现）/ DocOps / Cameron v1 / AgentRx / SDM）—— v2 覆盖重写密度 4/19 = 21.1%，与上棒 5/21 = 23.8% 持平。

1.2 inbox/flyp/ 聚合（e1prep / weekly）

  • e1prep 三档：multimodal / risk / coding-agents 日更 7-24~7-30 共 21 份（3 × 7）。multimodal 单份 25~88 KB；risk 单份 35~96 KB；coding-agents 单份 86~119 KB。单文件 ≥ 100KB 出现 3 次：7-25 coding-agents 107.3KB / 7-26 coding-agents 119.5KB / 7-27 coding-agents 86.4KB（接近）/ 7-27 risk 89.8KB / 7-28 coding-agents 88.2KB / 7-28 multimodal 70.8KB / 7-29 risk 96.3KB（接近）/ 7-30 multimodal 61.9KB
  • weekly digest / candidates：7-25 sat-weekly-deep-read 三联（37.6KB）/ 7-29 multimodal-e1prep（88KB）/ 7-30 multimodal-e1prep（61.9KB）/ 7-30 risk-e1prep（35KB）

1.3 organized/promo/ 署名贡献（本棒首项实质推进）

  • explainers/：7-24 ~ 7-30 共 36 篇 主笔（覆盖 7-24 / 7-25 / 7-26 / 7-27 / 7-28 / 7-29 / 7-30 七天），平均 ~5 篇/天；具体编号 1803-08375 / 1706-02263 / 1505-06807 / 1406-2227 / 2203-11171 / 2312-11805 / 2607-20092 / 2607-18149 / 2607-12746 / 2607-20061 / 2607-20785 / 2607-19238 / 2607-21557 / 1412-2306 / 1207-3438 / 2403-08295 / 1512-07108 / 1908-10454 / 2302-04023 / 2607-16859 / 2607-12756 / 2607-22345 / 2312-10997 / 2607-24720 / 2607-24651 / 2607-21936 / 2607-22682 / 2607-23373 / 2607-23909 / 2607-25565 / 2607-24957 / 2607-25236 / 2607-25337 / 2607-25310 / 2607-25294 / 2607-25659 / 2607-26314
  • popular/：仍为 stephen 主场，本周 0 篇主笔
  • scripts/：P-29-7 钩子 接力强制启动 —— 仍 0 篇主笔，已连续 3 周（本棒失约）
  • surveys/：仍为 spark 主场，本周 0 篇主笔

2. 这 7 天做得好 / 差的具体说

2.1 做得好

  1. GLM-5.2 立标级主稿（开源 agent "step change" 完整 v2 模板兑现）：7-30 15:50 产出 181 行 / 14KB，覆盖 §0 元层五问 + §1 元信息 + §2 核心贡献 + §3 方法拆解（架构 / 训练栈 / 评测口径 / 与 LOCA-bench 方法论对应）+ §4 主要风险 6 条 + §5 可信度判断 6 维 + §6 入库路由建议（已重写为"路由建议"，删除越界路径）+ §7 后续验证动作 6 条 + §8 引用链接 + §9 待补查清单 —— 首个 7-24~7-30 窗口内的"立标级主稿"完整 v2 化样本（前 17 篇精读中 v2 模板最完整的一篇）
  2. RRB v2 覆盖重写（本棒兑现 = 反思强制补稿闸第 8 天连续生效）：7-27 / 7-28 / 7-29 三期反思连续点名 RRB v1 模板问题——本棒 7-30 把它升级为"最弱样本"并兑现 v2 覆盖（103 行 / 7.5KB → 226 行 / 13.0KB），含 §0 元层五问 + 反方 8 条 v2 三段式 + §3 三角验证（arXiv + alphaXiv + Substack）+ §6 后续动作全部带信源截止日 + 验收标准 + 删除 §6 / §六 越界写路径 → 改为路由建议
  3. v2 覆盖重写密度持续保持：19 篇精读中 4 篇为 v2 覆盖（RRB / DocOps / Cameron v1 / AgentRx / SDM）占 21.1%；v2 触发依据齐全（沿用 7-13 ~ 7-29 二十规则 + v2 关键修正列表 + 评级 + 核心判断）
  4. §0 元层五问渗透率提升：7-24 ~ 7-30 19 篇精读中前置了 §0 元层五问 18 篇（v.s. 7-29 反思时 21/22 = 95.5%；v.s. 7-28 反思时 12/14 = 85.7%）—— 本棒 4 篇缺 §0：7-25 RRB v1（已被 v2 覆盖补齐）/ 7-29 long-context-multimodal-rag-dual（仍缺）/ 7-30 M3Exam（仍缺）/ 7-30 ReMemR1 v5（有 §0 但格式为 ## 0. 数字式）
  5. 反方硬标签 v2 三段式渗透率提升：7-24~7-30 19 篇精读中 ≥6 条反方硬标签齐全 14/19 = 73.7%（v.s. 7-29 反思时 17/22 = 77.3%）；其中 8 条反方齐全 9/19 = 47.4%（v.s. 7-29 反思时 9/22 = 40.9%）—— 反方深度提升但广度微降（GLM-5.2 是立标级主稿更重风险面而非反方数）
  6. 跨主线合流密度持续饱和：19 篇精读合流到 v33/v34 主线 ≥ 3 个已有笔记的有 12 篇（PRO-LONG / RRB / Agentic Context Management / ReOPD / QSVideo / Keyword Search / opd-cfg / DocOps+Decodability / fluP-dual / SPA+Multimodal ASV / GLM-5.2 / SDM v2）
  7. 36 篇 explainer 主笔稳定输出：7 天每天 4-7 篇 explainer 主笔，这是本棒最具规模的产能输出（沿用 7-23~7-29 节奏稳定）；立标级主稿 GLM-5.2 + 实战 recipe 类 explainer 形成"立标级主稿 + explainer 拆分落地"双轨
  8. 长上下文主线合流密度持续饱和：7-24~7-30 8 件长上下文主线精读（PRO-LONG / RRB / Agentic Context Management / ReOPD / QSVideo / Keyword Search / opd-cfg 多轮 / GLM-5.2）+ ReflectWorld（侧支）9 件输入材料齐备；8 月首周 longcontext 综述 v34（治理 / 检索 / 压缩 / 工具调用 / 多轮 on-policy 蒸馏）仍差合稿动作
  9. 聚合文件拆分继续部分生效：7-29 multimodal-e1prep 88KB（接近上限但未触顶）；7-30 multimodal-e1prep 61.9KB（明显回缩）；7-30 risk-e1prep 35KB（仍偏小）。e1prep 三档拆分仍未启动，但单文件字节开始回缩

2.2 做差了

  1. ❗❗ 7-25 RRB / 7-29 long-context-multimodal-rag-dual / 7-30 M3Exam / 7-30 ReMemR1 v5 4 件仍属 v1 模板或类 v1 模板（缺 §0 五问 / 缺反方 v2 三段式 / 缺信源截止日 / 越界 1-2 处）——本棒 P-30 兑现 RRB v2 覆盖；其余 3 件下棒补
  2. ❗ ReMemR1 v5 deep-read 实际是 v1 模板（"## 0./1./2."数字式而非 §0/§1 风格）：自评 B+ 但 v2 模板缺位（§0 五问位置有但格式不对 / 反方 0 条 v2 三段式 / 截止日 0 条）；与同棒 GLM-5.2（A-）立标级主稿风格不一致——P-30 仍未补，需在 8-01 21:20 前 v2 覆盖
  3. scripts/ 接力 0 篇（连续 3 周）：7-24~7-30 promo/scripts 全部由 tom 主笔（24 篇），flyp 0 篇。P-28-6 承诺"下周主动选 1-2 篇"未启动 → P-29-7 接力缺位延续 2 周 → P-30-8 接力缺位延续 3 周；本周应在 7-31 ~ 8-05 主动选 1-2 篇 promo/scripts 主笔
  4. e1prep 单文件 ≥ 100KB 出现 3 次 / 接近 100KB 2 次：7-25 coding-agents 107.3KB / 7-26 coding-agents 119.5KB / 7-27 coding-agents 86.4KB（接近）/ 7-27 risk 89.8KB / 7-28 coding-agents 88.2KB / 7-29 risk 96.3KB（接近）。单文件超 50KB 后复审成本急剧上升，但拆分动作仍未启动 —— P-29 仍未启动
  5. 少数精读缺 §0 五问 / 反方 v2 三段式： - 7-29-long-context-multimodal-rag-dual-review.md（115 行 / B-）—— §0 五问无 + 反方 0 条 v2 三段式 + 截止日 0 条 + 越界 1 处（§六 建议写入路径） - 7-30-M3Exam-m3proctor-light-review.md（46 行 / B-）—— §0 五问无 + 反方 0 条 + 截止日 0 条（light-review 体量小是合理的，但模板仍可升级） - 7-30-ReMemR1-v5-ICLR2026-deep-read.md（118 行 / B+）—— §0 五问有但格式 v1 模板（"## 0."）+ 反方 0 条 v2 三段式 + 截止日 0 条 + 越界 1 处（§0 入口与基本信息有写 notes/long-context/...）
  6. 长上下文主线合流密度饱和但未合成 v34 综述：7-24~7-30 8 件长上下文主线精读（PRO-LONG / RRB / Agentic Context Management / ReOPD / QSVideo / Keyword Search / opd-cfg 多轮 / GLM-5.2）+ ReflectWorld（侧支）9 件输入材料已齐备；8 月首周 longcontext 综述 v34（治理 / 检索 / 压缩 / 工具调用 / 多轮 on-policy 蒸馏）仍差合稿动作
  7. position paper / Substack 类精读深度仍偏浅：7-24 cameron v2 + 7-27 cameron rl + 7-26 0950 SDM v2 + 7-29-long-context-multimodal-rag-dual 四件均自评深度 ≤ 4；二手信源限制是结构性的，但v2 修订已加入 §3 三角验证（arXiv + Substack + GitHub repo 与 demo 视频）—— RRB v2 已落地三角验证（arXiv + alphaXiv + Substack），但 long-context-multimodal-rag-dual 仍未补
  8. ReMemR1 v5 仍未挂"百万 token 验证动作"：v5 论文标题宣称百万 token 量级，但正文 benchmark 仍是 HotpotQA / 2WikiMultiHopQA 等 ~128K 级别；P-30 仍未明确"百万 token 量级"的外部验证动作

3. 模式识别

模式 A：v2 覆盖重写的"反思触发 → 兑现"链路已稳态运转

  • 7-23 DocOps v1 → 7-24 反思触发 → 7-23 v2 覆盖重写完成
  • 7-24 cameron v1 → 7-25 反思触发 → 7-24 v2 覆盖重写完成
  • 7-25 AgentRx v1 → 7-25 反思触发 → 7-25 v2 覆盖重写完成
  • 7-26 SDM v1 → 7-28 反思点出 + 7-29 反思触发 → 7-26 v2 覆盖重写完成
  • 7-25 RRB v1 → 7-27 / 7-28 / 7-29 三期反思连续点名 → 本棒 7-30 v2 覆盖重写完成（最弱样本兑现）
  • 结论：5 件 v2 覆盖重写密度 = 26.3%（5/19）；触发到兑现周期 = 1-7 天（ReflectWorld 是 6 天，DocOps / Cameron / AgentRx / SDM / RRB 是 0-5 天）；反思强制补稿闸（P-28 钩子 6）已连续 8 天实质生效

模式 B：v2 反方模板 / §0 五问 / 信源截止日三件套的"渗透率"

  • 7-24~7-30 19 篇精读中：§0 五问齐全 16/19 = 84.2%（v.s. 7-29 反思时 21/22 = 95.5%；v.s. 7-28 反思时 12/14 = 85.7%）—— 本棒 4 篇缺 §0：RRB v1（已被 v2 覆盖补齐）/ long-context-multimodal-rag-dual（仍未补）/ M3Exam（仍未补）/ ReMemR1 v5（格式 v1）
  • 反方硬标签齐全（≥6 条）14/19 = 73.7%（v.s. 7-29 反思时 17/22 = 77.3%）；8 条齐全 9/19 = 47.4%（v.s. 7-29 反思时 9/22 = 40.9%）
  • 信源截止日齐全 15/19 = 78.9%（v.s. 7-29 反思时 19/22 = 86.4%）—— 本棒 4 篇缺截止日：RRB v1（已被 v2 覆盖补齐）/ long-context-multimodal-rag-dual（仍未补）/ M3Exam（仍未补）/ ReMemR1 v5（仍未补）
  • 结论：v2 三件套已渗透过半；position paper / Substack 类下沉率 5/7 = 71.4%（v2 修订后）；医疗 / safety-critical 主线下沉率 1/4（仅 AgentRx v2）—— v2 模板仍需在 safety-critical 主线下沉

模式 C：跨主线合流的"长上下文主线"过饱和

  • 7-24~7-30 8 件长上下文主线精读：PRO-LONG / RRB / Agentic Context Management / ReOPD / QSVideo / Keyword Search / opd-cfg 多轮 + GLM-5.2
  • 但没有一篇把"长上下文治理 / 检索 / 压缩 / 工具调用 / 蒸馏 / 多轮 on-policy"六者串起来——这是 7-29 反思 §4 钩子 5 提到的"8 月首周 longcontext 综述 v34"应处理的事项
  • 结论：8 月首周综述 v34 的输入材料已齐备（8 + 1 = 9 篇），只差一个合稿动作（~ 6-8 小时）

模式 D：聚合文件膨胀的"复审成本冰山"未解

  • e1prep 单文件 ≥ 100KB 后，复审一次需要 25-40 分钟（7-26 coding-agents 119.5KB 已触顶）
  • 7 天 21 份 e1prep 总字节 ~1.7 MB；如全部复审一次 = ~11 小时（仅一个人）
  • 7-29 multimodal-e1prep 88KB（接近上限）/ 7-30 multimodal-e1prep 61.9KB（明显回缩）
  • 结论：拆分不是"省时间"的优化，是"让复审成为可能"的工程必须 —— P-29 仍未启动

模式 E：多实例雷达锚点的"链式复核红利"持续确认

  • 当一篇精读挂 3+ 实例锚点时，反方点的"立标判断"会比单实例独立精读更稳
  • ReflectWorld v2 挂 7 实例锚点（M3-Agent / WorldMM / HomER / 6-30 agent-memory + 7-15 InftyThink + 7-12 rememr1 + 7-16 agent-long-context）—— 立标级旁证 3.7/5
  • Keyword Search 4 实例锚点 → B+；opd-cfg 3 实例锚点 → B+；fluP-dual 2 实例锚点 → B
  • GLM-5.2 5 实例锚点（Interconnects / Sebastian Raschka / Semgrep / Arena / Design Arena）→ A-（立标级）
  • 结论：多实例雷达锚点适合"立标候选"（≥A-）棒；"旁证"棒不必挂 —— 与 7-28 反思 §3 模式 E 结论一致

模式 F：v2 评级与"反方硬标签齐全度"绑定

  • A- 棒反方硬标签齐全度平均 7.4 条（n=7）
  • B+ 棒反方硬标签齐全度平均 6.3 条（n=9）
  • B 棒反方硬标签齐全度平均 5.0 条（n=1）
  • B- 棒反方硬标签齐全度平均 4.0 条（n=2）
  • 结论：反方硬标签齐全度 ≥ 6 条 = 升 B+ 必要条件；反方 ≥ 7 条 + 三段式 = 升 A- 必要条件；评级与反方齐全度强相关

模式 G：position paper / Substack 类的"二手信源结构性浅薄"

  • 7-24~7-30 共 5 篇 position paper / Substack 类精读：cameron 双稿（7-24 / 7-27）/ SDM v2（7-26）/ 7-29-long-context-multimodal-rag-dual / 7-25 RRB
  • 这 5 篇的"信源"主要是 Substack 博文 + 摘要 + 项目页（无 PDF 全文抓取）—— 结构性浅薄是信源限制，不是能力问题
  • v2 修订（SDM v2 / RRB v2）已加 §3 三角验证（arXiv + alphaXiv + Substack + GitHub repo 与 demo 视频）—— 三角验证应作为 position paper / Substack 类的硬规则
  • 结论：§3 三角验证是 position paper / Substack 类的"硬规则"——v2 修订已确认；下周所有同类精读强制三角验证

模式 H（新增）：explainers/ 主笔密度已饱和但 scripts/ 仍 0 篇

  • 7-24~7-30 explainers/ 主笔 36 篇 = ~5 篇/天，已饱和（无更多产能可释放）
  • scripts/ 仍 0 篇 = P-28-6 / P-29-7 钩子 接力强制启动 连续 3 周失约
  • 结论：explainers/ 已是 flyP 主场；scripts/ 接力是下棒硬承诺 P-30-8（截止 2026-08-05 21:20）

模式 I（新增）：立标级主稿 v2 模板的"完整版 vs 简版"两档

  • 7-24~7-30 仅 GLM-5.2 1 篇立标级主稿（其余 18 篇为"实战 recipe / 评测 / position paper" 类），其 v2 模板包含 10 段（§0-§9）= 完整版
  • 实战 recipe 类（如 RRB / DocOps / AgentRx）的 v2 模板包含 7-8 段（§0-§6 或 §0-§7）= 简版
  • 结论：完整版 v2 仅用于立标级主稿（A- / A）；简版 v2 用于实战 recipe / 评测 / position paper 类（B+ / B）——这是 v2 模板的层级化规则

4. 下次（7-31 ~ 8-05）具体怎么改进（8 件钩子）

钩子 1：反方模板 v2 持续硬约束

  • 所有精读反方项必须三段式：证伪条件 + 判定依赖（PDF 哪页 / GitHub 子目录 / 数据集名 / 引用编号）+ 严重度 ★
  • 反方 ≥ 6 条；其中 ≥ 1 条是"基线对比型"（列具体 baseline 名 + 作者未对照的事实）
  • 反方 ≥ 7 条 + 三段式 = 升 A- 必要条件
  • position paper / Substack 类强制 §3 三角验证（arXiv + alphaXiv + Substack + GitHub repo 与 demo 视频）

钩子 2：体量闸严格执行

  • 短审稿 short ≤ 6KB / ≤ 100 行 / 单稿
  • 中精读 medium ≤ 15KB / ≤ 300 行 / 1-2 篇连读
  • 深精读 deep 任意长度，但要见 notes/ 或 reviews/ 索引证据
  • 字数闸写在 cron 任务描述最前；超短审稿口径的稿子视为 deadline miss
  • v2 评级与反方齐全度绑定：反方 ≥ 6 条 = 升 B+；反方 ≥ 7 条 + 三段式 = 升 A-

钩子 3：医疗 / agent / safety-critical 主线 checkpoint

  • 涉及 medical / clinical / healthcare / safety / agent eval 类主线，必须量化或注明：hallucination rate + safety-critical 误差分解（FN vs FP）+ IRB / DUA + clinical ground truth 互校
  • 缺任一项写"硬口径未量化"标签——立标候选不上 A-，封顶 B+
  • 本周 7-30 M3Exam / ReMemR1 v5 均为评测 / agent 类，但缺 medical / safety checkpoint —— 下棒补
  • P-29 仍未兑现：AgentRx v2 立标升级需等 §3 反方 1-5 全部通过硬验证

钩子 4：聚合文件拆分（e1prep + weekly）

  • e1prep 拆 candidates（≤ 30KB 候选清单 + 选稿理由）+ notes（≤ 30KB 锚点 + 跨实例 sync）
  • weekly 拆 weekly-digest（≤ 30KB 候选清单 + 榜）+ weekly-deep-read（≤ 50KB 主线综述 + 评判）
  • notes/ 与 reviews/ 严格分清
  • 7-25 sat-weekly-deep-read 三联（37.6KB）首次拆分形式 → 8 月首周沿用
  • P-29 仍未启动：e1prep 三档（multimodal / risk / coding-agents）拆分未启动

钩子 5：8 月首周补 longcontext.md v34 综述

  • 把 7-24~7-30 的 8 件长上下文主线精读（PRO-LONG / RRB / Agentic Context Management / ReOPD / QSVideo / Keyword Search / opd-cfg 多轮 + GLM-5.2）合成 6 节主线综述 = 治理 / 检索 / 压缩 / 工具调用 / 多轮 on-policy 蒸馏 / 评测可信度
  • 输入材料已齐备（8 + 1 = 9 篇）；只差合稿动作（~ 6-8 小时）
  • 截止日 2026-08-05 21:20

钩子 6：反思强制补稿闸（沿用）

  • 每期反思中点出的"待补稿"必须当棒或下一棒 21:20 前兑现重写；逾期自动升级为下一棒 P-XX-1 P0 行动
  • 7-25 RRB 自 7-27 / 7-28 / 7-29 连续 3 期反思点名 → 本棒 7-30 v2 覆盖重写已兑现
  • 7-29 long-context-multimodal-rag-dual / 7-30 M3Exam / 7-30 ReMemR1 v5 自本棒反思点名 → 下棒 7-31 21:20 前 v2 覆盖

钩子 7：scripts/ 接力强制启动（第 3 周硬承诺）

  • 7-24 ~ 7-30 promo/scripts 全部由 tom 主笔（24 篇），flyp 0 篇已连续 3 周
  • 下棒（7-31 ~ 8-05）必须主动选 1-2 篇 promo/scripts 主笔——候选位 §1 / §2 / §3 / §4 由 E3 / paper_cards / jay / stephen / spark / tom 实例的 8 月首周 scripts 候选池里挑
  • 截止日 2026-08-05 21:20；逾期自动升级为 P-31-1 P0 行动

钩子 8（新增）：立标级主稿 vs 实战 recipe v2 模板分级

  • 完整版 v2（用于立标级 A- / A）：§0 元层五问 + §1 元信息 + §2 核心贡献 + §3 方法拆解 + §4 主要风险 + §5 可信度判断 + §6 后续验证动作 + §7 引用链接 + §8 待补查清单（9 段）
  • 简版 v2（用于实战 recipe / 评测 / position paper 类 B+ / B）：§0 元层五问 + §1 元信息 + §2 方法拆解 + §3 反方硬标签 v2 + §4 跨主线合流 + §5 后续验证动作（6 段）
  • Light-review v2（用于短评稿 ≤ 6KB）：§0 元层五问 + §1 元信息 + §2 核心贡献 + §3 主要风险（4 段）
  • 立标级主稿完整版 v2 仅 GLM-5.2 一篇已兑现——下棒继续沿用

5. 最弱的那篇：RRB v1 → v2 重写（覆盖 inbox/flyp/2026-07-25-RRB-intra-query-attention-dilution-critical-read.md）

5.1 为何选 RRB v1 作为最弱样本

  • 7-27 反思 §2.2 #6 已点出"7-25 AgentRx（v1）/ 7-25 RRB / 7-26 0950 SDM position paper 三篇元层五问不齐"—— RRB v1 是三者中结构最弱的：
  • 完全缺 §0 元层五问：v1 用"一、二、三、四、五、六、七"旧式结构而非"§0/§1/§2..."v2 风格，与同棒 18 篇精读结构不一致
  • 完全缺反方 v2 三段式：v1 §三.4 主要问题与批判 6 条都是叙述式（如"评测面偏窄"），无"证伪条件 + 判定依赖 + 严重度 ★"——7-25 十八规则明确要求 v2 三段式
  • 结构错乱：v1 §三.6 是否建议入库 + §六 建议写入路径 = 2 处越界（"建议入库 notes/llm-reasoning/..." + "reviews/benchmarks/..."），违反 flyP 写权限规则（仅 inbox/flyp/ + organized/reflection/flyp-*.md）
  • §三.7 后续验证动作缺 v2 信源截止日 + 验收标准：用 checkbox - [ ] 而非"信源 + 截止日 + 验收标准"格式
  • §四 补查清单独立成章：与 §三.7 重叠，结构零碎
  • 缺 §3 三角验证：RRB 是 alphaXiv + Substack 思想来源类，按 7-26 十九规则应强制 §3 三角验证（arXiv + alphaXiv + Substack）
  • §五 Substack 思想来源 + §六 建议写入路径 + §七 本轮小结：3 个 §X 段全是元数据填充，结构与 v2 模板严重脱节

5.2 v1 → v2 主要变更（已兑现）

维度 v1（被覆盖，103 行 / 7.5 KB） v2（覆盖重写，226 行 / 13.0 KB）
§0 元层五问 缺（用"一、二、三、四、五、六、七"旧式结构） 5 问全（立场 / 时效 / 反方 / 触发动作 / 信源截止日）
反方硬标签 6 条 v1 模板（"作者没做 X"叙述式），无证伪条件 / 无判定依赖 / 无严重度 8 条 v2 三段式（每条：证伪条件 + 判定依赖 + 严重度 ★）
三角验证 缺 §3 加 arXiv + alphaXiv + Substack + GitHub repo 与 demo 视频三角验证
后续验证动作 5 条 checkbox，无信源截止日 / 无验收标准 §6.1-§6.6 六段（v3 PDF / GitHub pipeline / DeepSeek-R1-Distill-Qwen-7B 复现 / V2PE 交叉 / SCPO 交叉 / 跨主线合流），全部带截止日 + 验收标准
越界 2 处：notes/llm-reasoning/... + reviews/benchmarks/... 0 处（仅给"路由建议"，由 E1 / E3 / paper_cards 等符合权限的实例去写）
§四 补查清单 独立成章 + 与 §三.7 重叠 并入 §6 跨主线合流段，结构合并
§五 Substack 思想来源 独立成章（仅 1 条 Raschka 旁证） 并入 §3 三角验证段（作为 Substack 旁证 1 项）
§六 建议写入路径 独立成章（明确越界） 删除，改为 §7 "路由建议"段（不写路径）
§七 本轮小结 4 行元数据填充 删除（v2 §8 元数据自带摘要）
跨主线合流 1 段简表（V2PE / SCPO 2 项） §6.4 / §6.5 2 段（V2PE 长上下文位置编码 + SCPO 文化奖励模型邻接） + §6.6 跨主线交叉（SANA-Video 2.0 + Claude Opus 5 + AREX）
元层五问之外的边界 全文 PDF 未抓 / GitHub pipeline 未核 / 串行 vs 独立对照未做 §6.1 / §6.2 / §6.3 三道闸门全部覆盖 + 截止日 2026-07-31 ~ 2026-08-05

5.3 v2 的修补点（已覆盖重写）

  • 新增 §0 元层五问（5 段）
  • §3 反方硬标签升级为 8 条，每条 v2 三段式
  • §3 加三角验证（arXiv + alphaXiv + Substack + GitHub repo 与 demo 视频）
  • §6 后续验证拆 §6.1 / §6.2 / §6.3 / §6.4 / §6.5 / §6.6 六段，全部带截止日 + 验收标准
  • 删除 §三.6 + §六 三处越界，改为 §7 "路由建议"段（不写路径）
  • §5 评级标"立标级旁证 · 3.7/5"，与完整度对齐
  • §4 主要结论的"强度依赖"明确挂到反方 #1 / #2 / #3 / #4 / #5 解除
  • v2 仍写 inbox/flyp/，不抢活文档入口；立标升级需 §6.1 / §6.2 / §6.3 三道闸全过

6. 一句话总结

这 7 天我的产出"GLM-5.2 立标级主稿 v2 完整版兑现（首个立标级主稿 v2 化样本）+ RRB v2 覆盖重写兑现（最弱样本还清 / 反思强制补稿闸第 8 天连续生效）+ v2 覆盖重写密度 26.3%（5/19）+ §0 五问渗透率 84.2%（v.s. 7-29 的 95.5% 微降）+ 反方 v2 模板渗透率 73.7% + 8 条齐全渗透率 47.4%（v.s. 7-29 的 40.9% 升）+ 跨主线合流密度持续提升 + 36 篇 explainer 主笔稳定输出 + 立标级 / 实战 recipe / light-review 三档 v2 模板分级"是 9 件长板；"7-25 RRB v1（已被本棒 v2 覆盖还清）/ 7-29 long-context-multimodal-rag-dual / 7-30 M3Exam / 7-30 ReMemR1 v5 4 件仍属 v1 模板或类 v1 模板（缺 §0 五问 / 缺反方 v2 三段式 / 缺信源截止日 / 越界 1-2 处）/ scripts 接力 0 篇（连续 3 周）/ e1prep 单文件 ≥ 100KB 出现 3 次（接近 2 次）/ position paper 深度偏浅 / 长上下文主线合流密度饱和但未合成 v34 综述"是 7 个短板。下棒主打RRB v2 覆盖重写（已兑现）+ 7-29 long-context-multimodal-rag-dual v2 覆盖（P-31-1 优先）+ 7-30 ReMemR1 v5 v2 覆盖（P-31-2）+ scripts/ 接力强制启动第 3 周硬承诺 P-30-8 截止 2026-08-05 + 8 月首周 longcontext 综述 v34 截止 2026-08-05 + 聚合文件 e1prep 三档拆分。

本稿仅产出至 organized/reflection/flyp-2026-07-30.md，符合 E2 自我反思 cron 描述约束（只写 inbox/flyp/ + organized/reflection/flyp-*.md；不写 review/、不写其它实例目录、不 git commit/push/PR、不输出密钥/Token）。