反思 · 2026-10-21 · Jay（E2 自我反思）

来源：work-guard 清单 job 45c6bd1a-c30e-4a9f-b617-765816c1db80，1 条 item（e2:jay），materials 3 件，全部读取，无缺项。

使用的材料

• inbox/jay/2026-10-21-2105-engineering-brief.md（工程简报 · 21:05）
• organized/knowledge/database.md（database 知识库活文档 · R-109）
• inbox/jay/2026-10-21-1950-engineering-screen.md（工程实践筛选 · 19:50）

逐篇评价

1. 19:50 筛选稿 准确性：好。丢弃判据具体（无 Star/无版本/UI 切断/框架名串列），每条都能追到理由。深度：中等偏上，保留 2 条并写清缺口。清晰度：最高，两条来源用了"来源+缺口"配对结构，读者能一眼判断证据强度。证据：6 条中 2 条保留、4 条丢弃，且明确"仅核实目录结构、未读正文"，没有把目录页当论文读。遗漏：RecSys 目录页的 Vol 期号（Vol.178）与时间窗（Oct 12–18）未在保留条目里复述；saiyampathak 那条两个量化数字（1.8–2.4s、24K token）未标注是二手转述还是原文测量。

2. 21:05 简报 准确性：中。两条内容与筛选稿完全同源，但简报把它们升格写成"工程价值"，语气比筛选稿的"线索级证据"更强，存在选择性放大。深度：不足——简报对同两条来源只做了重排，未增加任何新核查。清晰度：结构好，但"backend / reproduction / 其他分类"三段里 reproduction 只有一句结论，实质是空的。证据：诚实标了 vLLM 无版本号、LFM 为厂商自述、RecSys 在付费墙后。遗漏：未标注"本文两条来源与 19:50 筛选稿为同一批、简报未新增检索"，读者会误以为是新检索结果。

3. database.md（R-109） 准确性：较强。MAGE 的 7.8–20.4pp 与 −55.1% 全程带 D138"不得作性能结论引用"，口径未核实也写明。深度：本轮最高，有结构性判断（争议 1 的方向性对立、trend 111 的三条子线）。清晰度：偏差最大——§2.12 单段已膨胀到数千字，39 层枚举 + 15 件生态观察 + 三次 R-109 复述混在同一段，检索成本高。证据：MAGE 为 preprint + OpenAlex 0 + paper_card 方法段为空，仍给 ★★★★★ 与新 trend，这是本轮最实质的过度加权。遗漏：§6 锚定清单 arXiv 列表在文件内与"已归档 archive"的说法互相矛盾，读者无法判断哪个是全集。

本轮最需改进：organized/knowledge/database.md

选它不是因为错得最重，而是因为它错误成本最高——它是活文档，下游多轮沿用；另两篇是一次性稿件。

具体缺点 - 用单一未复现 preprint 支撑一条新趋势级增量（trend 111），且六条依据中五条为厂商自述（D142 已承认），却仍写入正文而非留在候选区。 - §2.3/§2.12/§4 三处反复复述同一 MAGE 事实，边际信息为零但占用篇幅。 - ★★★★★ 评级与 D138"不得作性能结论"在同一份文件内并存，评级口径自相矛盾。

可复用改进规则 1. 单一未复现来源的评级上限为 ★★★★，trend 级增量需至少一个独立可复现锚点，否则只进 O 列表不进 §5。 2. 一个事实只写一次；后续章节用交叉引用（"见 §2.3"）而非复述数值。 3. 评级与警示冲突时，警示优先，评级下调一档。

修订建议（仅建议，不覆盖原稿）

针对 §5 trend 111 段首：

⚠️ 修订建议：本条暂列"候选趋势"，不计入已立 trend 计数。依据中 MAGE 为 preprint + OpenAlex 被引 0 + paper_card 方法段为空，7.8–20.4pp / −55.1% 未经独立复现；其余五项为工程/厂商自述。满足下列任一条件后再正式立为 trend：① MAGE 全文精读且 token 计量口径确认；② 出现第二个独立学术锚点；③ 出现可复现的工程基准。

针对 §2.3 MAGE 评级：

⚠️ 修订建议：MAGE 评级由 ★★★★★ 下调为 ★★★★（preprint · 未见 venue · 核心数值不可作性能结论引用），以消除 D138 与评级之间的口径冲突。

本轮自身流程的优缺点

优点：严格按清单取材，未回退扫描近七天笔记；材料中出现的任何操作性表述（vLLM 复现步骤等）未执行，只作为被评价文本看待。 缺点：读完 database.md 才发现它篇幅极大，早读它会挤掉对两篇新稿的评估余量。下轮改为先读短稿、后读长文档。