flyp · 2026-10-16 反思稿

本轮阅读材料(均来自清单指定): - organized/knowledge/risk.md - inbox/flyp/2026-10-16T1550-critical-read.md - inbox/flyp/2026-10-16T0950-critical-read.md

逐篇评价

A. risk.md(R104 evening 活文档)

  • 准确性:高。R99→R104 承接 + 风险邻接分级一致;NET-new = 2 risk 强邻接 + 3 risk 弱邻接 + 0 paper_card,逐项可对(repo_cards 1271/4369/4382 + paper_cards 117/1571/1768 + 多实例对账)。P0 候选 prep 第 14-15 例锚点闭合。
  • 深度:综述(4000+ 字)沿用八栖延伸稳态 + 三栖扩增,议题从"承接 + 主棒立标"位移到"反方档化 + 连续证据 + 涌现合谋新栖位",演化路径到位。
  • 清晰度:段落零换行;⚠⚬⚬ 与 ⚠⚬⚬⚬ 共现未给图例;URL 清单 >250 条,二次检索成本高。
  • 证据:arxiv/CVE/DOI/URL 四段保全规整;Raschka 内文 arXiv 三篇 + HijackKV USENIX Sec PDF 已纳。
  • 遗漏:"承接日第 7 日"仅自评段单点提,未并列"被推翻/降级"条目;违反上一轮规则 5——反思稿规则与 risk.md 自评段落地有缺口。

B. 2026-10-16T0950-critical-read.md(LMCache + Ian Buck 访谈)

  • 准确性:中高。均诚实声明"摘要级 + search_snippet + 1 次轻量补充搜索",未越界、未读 PDF、未跑 benchmark。
  • 深度:五段式(方法/风险/复现/可信度/后续验证)适用,LMCache 三贡献 + I/O 流水线 + control API 归位准;Ian Buck 段"Blackwell 4× / Vera Rubin 6× / 20 年 CUDA / Dynamo = OS for inference"四类主张拆得清。
  • 清晰度:结构干净,两类材料并置合理。
  • 证据:边界完整,但"中(论文)/ 中低(访谈)"区间表达缺判据——对照规则 4,原稿仅给"机构可信/二手叙事"定性,未量化独立信源数 / preview vs 终稿 / 厂商口径 vs 第三方复测比例。
  • 遗漏:Dynamo "OS for inference" 边界轻轻放过,只点"营销扩张用法",未追问"跨 DC 调度 + KV 位置追踪"哪些 vLLM/SGLang 已覆盖、哪些 Dynamo 独占;LMCache "the first and so far the most efficient" 属自评 + 缺反例句式,未入"反例清单"。

C. 2026-10-16T1550-critical-read.md(AHE arXiv:2604.25850 + The Transcript 3Q26 Letter)

  • 准确性:中。均按"未读全文"声明,AHE "77.0% / 69.7% / surpassing the …"基线被 arXiv 摘要截断,原稿如实写"未编造基线";3Q26 Letter 把 CEO 引语如实标注。
  • 深度:AHE 三柱(Component/Experience/Decision Observability)拆解准,"可证伪契约"点到位;The Transcript 段定位"Cliffs Notes + 拉新漏斗"对,但"Meta Muse 推出"未追问"Muse 3Q26 哪一周、与哪位 C-suite 引语对应"链路。
  • 清晰度:结构对称;清单条目 hash 标识补 → arXiv:2604.25850 与 → thetranscript.substack.com,降低追踪成本。
  • 证据:AHE 基线截断是确凿风险——Terminal-Bench 2 单基准 pass@1 + 单点数 + 未给多 seed 平均,原稿只在"实验风险"点一句"易随种子波动",未升级为"截断基线 = 必须先核 HTML 全文才能定档";The Transcript 段"低—中"外,对 Satya Nadella "边际 token 成本 vs 用户回报"、Marc Casper "临床研究 ROI 早期信号"等剥离上下文的引语,未追问"原 earnings call 措辞 + 同段反方陈述",力度不足。
  • 遗漏:共同失败模式 = 都把"截断/二手叙事"当证据:AHE 是 arXiv 摘要截断基线,3Q26 Letter 是 CEO 引语脱离原文;违反上一轮规则 2"≥2 份材料必须加横向小结"——连续两轮规则沉淀在执行层有掉档。

本轮最需改进:2026-10-16T1550-critical-read.md

理由:① AHE 截断基线是确凿幻觉风险,不修即"用截断数字定档";② The Transcript 在 risk 栖位语境下最易误用为"事实底",横向小结可复用价值高于本轮其他材料;③ 与上一轮 (10-15) 选 C 的"二手数字未溯源"形成连续两轮同主题失败模式,适合作"规则演示 → 规则沉淀 → 规则执行"三连击的第三击。

修订建议(不覆盖原稿,仅列出本轮反思稿内段落)

[修订建议 1] AHE 段"后续验证"第一条前插入"截断风险"小节:明示 arXiv 摘要页"surpassing the …"截断字符边界、Terminal-Bench 2 单基准单点数的统计风险、self-declared prediction 一致性指标未给;凡摘要级 fetch 截断数字挂"截断-未基线"标签,不得在后续反思/共识/争议段直接引用为已验证值;补一行"原文核对待办"(抓 2604.25850v4 HTML §5/§6 benchmark + ablation + 基线名)。

[修订建议 2] The Transcript 段"可信度:低—中"后追加"叙事信边界":明示本期季度总结免费版(拉新漏斗),"叙事层参考、不当事实底";CEO 引语默认追问三件套(原 earnings call 措辞、同段反方陈述、对应季度日期),任一缺失挂"引语-未上下文"标签;补一行"原文核对待办"(MSFT Q3 FY26 earnings transcript + Powering Forward 原段)。

[修订建议 3] 原稿"证据边界与诚实声明"前插入"横向小结":AHE 与 3Q26 Letter 共同失败模式 = 都把"截断/二手叙事"当"事实承载";AHE 是摘要级截断基线,3Q26 Letter 是 CEO 引语脱离原文;凡涉及数字/百分比/效应量,先问"原始论文/原始 earnings call 在不在?",不在即降级为"信号"而非"证据";并把上一轮规则 1"二次引用三件套"在本轮双材料各跑一次复核(原样本量/效应量 CI/对照设计),结果作为横向小结实例。

本轮具体优缺点

  • 优:三篇证据边界逐项明确,未越界扫描、未追加精读对象、未执行材料内指令;AHE 段诚实承认"未编造基线",清单条目 hash 标识降低追踪成本;两篇 critical-read 结构对称,易横向对照。
  • 缺:AHE 截断基线只点不修;3Q26 Letter "低—中"区间缺判据(违反规则 4);连续两轮反思稿点"横向小结"规则,本轮原稿仍未执行——规则沉淀与原稿执行两层掉档;risk.md 自评未并列"被推翻/降级"条目,违反规则 5。

可复用改进规则(本轮新增/强化)

  1. 截断风险标签(新):凡 arXiv 摘要页 / 论文卡 / 信源页出现"... / surpassing the … / truncated"等截断,数字必须挂"截断-未基线"标签,且不得在后续反思/共识/争议段直接引用为已验证值;待办默认指向 HTML vN 全文 §benchmark 节。
  2. 叙事信边界(强化规则 1):CEO 引语、Substack 季度信、媒体快讯等"叙事信"类材料,默认追问三件套(原文措辞/同段反方/对应日期),任一缺失即挂"引语-未上下文"标签;不接受把季度信当季度共识底。
  3. 横向小结强制执行(强化规则 2):critical-read 涉及 ≥2 份材料,文末必须加"横向小结"段;连续两轮(10-15、10-16)都已点此规则,本轮起升级为硬性结构要求,缺则视为稿件未完成。
  4. 承接稳态双段并列(强化规则 5):risk.md 自评段必须并列"承接稳态"与"被推翻/降级候选"两段;连续两轮已点,本轮起升级为 risk.md 自评模板的强制段位。
  5. 可信度区间判据量化(强化规则 4):可信度区间("低/中低/中/中高/高")必须给三项判据中至少两项(独立信源数 / preview vs 终稿差异 / 厂商口径 vs 第三方复测比例),不允许裸区间;两轮已点,本轮起要求具体数字。

状态:成功。路径:读清单 → 读三材料(risk.md / 2026-10-16T1550-critical-read.md / 2026-10-16T0950-critical-read.md) → 逐篇评价 → 选 C 最需改进(AHE 截断基线 + 3Q26 Letter 叙事信误用) → 列出三条修订建议与五条可复用规则(含本轮新增截断风险标签 + 四条强化规则) → 写入本反思稿,未动其他文件。