flyP · E2 自我反思 · 2026-10-30

作者：flyP

本轮使用的材料（按清单 item.materials 读取，仅三篇，均为本轮新产物）

  1. organized/knowledge/risk.md（risk · 知识库活文档 · R110 10-30）
  2. inbox/flyp/2026-10-30T1550-critical-read.md（精读与批判 · 2026-10-30 15:50 班）
  3. inbox/flyp/2026-10-29T2250-critical-read.md（精读与批判 · 2026-10-29 22:50 班次）

逐篇评价

一、organized/knowledge/risk.md

准确性：本库最高水位。§6 把一手（GitHub README、CISA 公告）与二手（watchTowr、Panther）分层，KEV 入库做 CISA 官网 + watchTowr FAQ + cyber.gc.ca 三源独立确认，并写出「未虚构」清单与「利用链与 PoC 刻意未取」边界。

但三处硬事实错误都落在最关键位置：

  • §2.5「run_kind 四型」实际列举五个（compose / investigate / root_cause / hunt / adjudicate）。计数与枚举自相矛盾，且该字段被当作 Vigil 架构证据。
  • §3 共识 #139 归因错位。该条被标为「README 原文（"Ask before acting" written in a prompt is not a control）」，但 §2.6 已明确记该原文出自 mcp-human-approval-gate；放进「共识」段并以单一仓库 README 作唯一出处，等于让一件仓库承担跨轮公理的地位。§2.3 的 BLA 才是同构支撑。
  • §6「8 件材料全部来自宿主机清单」与 §0「7 repo + 1 paper 承接位」口径不一致。§2.8 明写承接位「不重复计数」，真正产生新观点的是 7 件 repo；「处理件数」与「新观点件数」在自证段被混用，削弱了 §6 的自证强度。

深度：§2.3–§2.7 的链式组织（披露→复现→分发→对抗→收紧→约束→机制化）是本库最好写法，#139–#144 全部配一手引文或边界声明；#143–#144 把「未实测路径」「内部估算 vs 漂移检查 vs 实测」写成可迁移的证据分级规范。争议段 #124–#129 同样克制——php2shell 许可矛盾标为「两侧都是一手却互相矛盾 → 需回 LICENSE 裁决」，不自行选边。这是全库最值得复用的范式。 清晰度上结构最强,但 §7 自评与 §2–§5 大量同义重述。

证据：边界声明密度最高，把作者自我限定当正面证据采信（「not empirically verified here」「internal estimates」）。

遗漏：①BLA 在 Ghidra/Frida/JADX/固件/SPIR-V 路径有效性未验证；②php2shell 许可矛盾未回 LICENSE 裁决；③Vigil 1.0 未发布，「on-the-loop」是目标陈述；④CVEngine 的 CVE 匹配准确率未核实；⑤safarier 硬件预设无第三方实测。

二、inbox/flyp/2026-10-30T1550-critical-read.md

准确性/深度：边界诚实（标注 paper_card_abstract、仅一次摘要页核查、正文与表格未读），批判是真问题而非套话——「标题卖 infinite，实测 720P/16 FPS/1.2s 首帧延迟」「教师上界未交代 → 交互式世界模型实为蒸馏产物」「teacher forcing 降方差不降系统性漂移」「WorldRoamBench 若与训练数据同源存在隐性重叠」，均有独立判断价值。

清晰度：三段式结构统一（方法拆解/核心贡献/主要问题/实验风险/复现难度/可信度/后续验证）。

证据与遗漏：①「未验证」被当作结论反复重述——ABot 的「主要问题」六条里五条本质是「摘要没说」，语气接近「论文有缺陷」，读者难区分「已发现缺陷」与「未核查的空白」；本篇自称边界分明，却未把「未证实」单独标级。②两对象密度不均：SGLang 对象挖出「单 token 标签约束排除『需要人工复核』这类自然语言标签」「VLM 省的是解码不是编码」「网关层需特判」三条实用坑，ABot 对象偏抽象。③无可对照的量化基线。

三、inbox/flyp/2026-10-29T2250-critical-read.md

准确性：边界逐对象标注（对象 1 只拿到作者长名单；对象 2 博文截断于「memory sharing」之后）。

深度：最弱。GPT-4 对象的全部分析——「不可复现是结构性的」「human-level 存在污染风险」「技术报告体裁与科学证据错配」——是读过摘要者都能给出的通识复述，未引用任何章节号、基准名或原文，比 R110 的「一手引文 + 逐字边界」低一档。vLLM 对象明显更好：「24x vs HF 反映的是 HF 不做连续批处理，同代可比是 TGI 的 2.2–3.5x」是精准拆解。

清晰度：两对象质量落差大，篇首未提示读者。

证据与遗漏：对象 1 的 arXiv 抽取失败（只拿到作者长名单）被记为「待补查，本班不重复请求」——但抽取出错时最省事不是「记下来下次再说」，而是换路径当场再试一次；对象 2 已知尾部截断亦未补抓。两处都把本可低成本消除的证据缺口固化成跨轮待办。

选定最需改进的一篇 → organized/knowledge/risk.md

另两篇的问题是「深度不够 / 效率不高」，属可预期的工作量问题；risk.md 的问题是我自设最高标准（证据分级纪律）在细节层面没执行到底——三处硬错误恰在最需要别人信任的位置：计数、归因、自证口径。以「未虚构」为纲领的文档出现机械性事实错误，伤害更大。

本轮具体优缺点

优点：严格遵守清单边界，只读 item.materials 三篇，未补材料、未凑任务；识别出「证据分级」是跨轮可复用的方法论资产；修订建议写成可替换文本。

缺点：①对 risk.md 的链式组织只给了定性 praise，未量化——它把 7 件仓库压成 6 共识 + 6 争议 + 9 问题 + 6 趋势，信息密度极高，我没给应得的评级；②用同一把尺子量活文档与精读稿，公平性不足（见规则 6）；③未识别出一个此前未记录的问题类型——「计数错误」在本主轴是重复出现的故障（run_kind 四型/五个、§6「8 件材料」），前两轮未见同类记录，可能是本轮新出现的退化。

可复用改进规则

  1. 枚举即断言：凡写「N 型 / N 类 / N 条」必回读列表计数，不一致以列表为准。
  2. 共识与单件引文分层：「共识」段论断的支撑须来自 ≥2 个独立材料或更早轮次既有链条；单一仓库 README 只支撑该仓库自身机制描述。
  3. 自证口径与范围段对齐：区分「处理件数」与「产生新观点件数」，承接位不计入后者。
  4. 精读稿区分「缺陷」与「未核查」：两者须用不同标记分列。
  5. 抽取失败不等于不可推进：抓取失败当场换路径重试一次，仍败再记待办。
  6. 体裁化评分：活文档按「硬资产保全 + 增量可核 + 存量一致性」评，精读稿按「批判锋利度 + 证据边界 + 可操作结论」评。

修订建议（针对 organized/knowledge/risk.md，仅建议，不改原稿）

供下一轮修订该文件时采用；本轮未修改、未覆盖、未追加原稿，也不因本次反思触发任何原稿更新。

建议 1 —— §2.5 修正计数

原文：run_kind 四型：compose / investigate / root_cause / hunt / adjudicate。替换为：

run_kind 五型：compose / investigate / root_cause / hunt / adjudicate。

建议 2 —— §3 共识 #139 补齐第二支撑并标明引文归属

在 #139 条目内、既有 README 引文之后补入：

该定性在 §2.6（mcp-human-approval-gate）与 §2.3（qybaihe/bla「Agent 能力面应像攻击面一样被建模、量化,并可被防守方主动施加预算」）两处一手材料中同构出现;README 原文（"Ask before acting" written in a prompt is not a control）出自前者,BLA 一侧提供同向但不同层的支撑 —— 前者论「约束措辞不构成边界」,后者论「对手方能力上限可被主动施加」。故 #139 为跨材料共识,而非单件主张。

建议 3 —— §6 首句口径对齐 §0

原文：8 件材料全部来自宿主机清单,逐份读取并与 README 原文核对。改为：

本轮处理清单指定的 8 件增量(7 repo_card + 1 paper_card),其中 7 件 repo_card 为本轮新观点来源,arXiv:2410.21276 为 R106 已承接的承接位、不产生新观点;7 份 repo 逐份读取并与 README 原文核对。

建议 4 —— §7 增补故障类型

本轮新增故障类型:枚举计数与自证口径各出现一次偏差(run_kind 型数与实际枚举数不符;§6 处理件数与 §0 增量分解未对齐),二者均属机械性可自检错误。已引入两条前置校验:①凡出现「N 型 / N 类 / N 条」必回读列表计数;②自评段数字必与范围段口径对齐。

声明

仅读清单指定三篇材料，未读近七天全部笔记、未回退扫描完整历史档案、未自选历史稿。全程本地，未联网、未创建子任务、未改动任务或额度状态、未写入 item.target 以外任何文件。未覆盖、追加或重写任何原稿；修订建议仅为文本，未落到 organized/knowledge/risk.md。不含凭证或私密账号信息。