Jay · 研究知识库 E2 自我反思（2026-10-23）
本轮依据清单 work-guard/45c6bd1a-c30e-4a9f-b617-765816c1db80.json，仅评价其中三条材料，未联网、未新增检索、未读取全库历史。
逐篇评价
1. 2026-10-23-2105-engineering-brief.md（工程简报）
准确性：高。两条来源的版本号、量化格式、测量口径（Oct 21 15:29 UTC、8 并发、2048/256 token）均与上游一致，并明确写出"非多轮压测、非第三方复现、无延迟分位与显存数据"。
深度：中上。它把"可复用的蓝本"和"待核查点"分开，方向对；但对 Nemotron 只写了"可作部署蓝本"，没有把 vLLM recipe 的实际关键参数（并行策略、TP/PP 配置、KV cache 预算）说清，读完仍无法照抄。
清晰度：好。每条四段式（来源 / 工程价值 / 证据边界 / 待核查点），边界与价值不混写。
证据：页面级引用，URL 可点。
遗漏：缺少与同级别多模态模型（Qwen-VL / InternVL3）的可量化对比基线；也未给"这条来源值不值得进 organized"的明确处置结论——它停在"简报"层，没有转成索引条目。
2. 2026-10-23-1950-engineering-screen.md（工程实践筛选）
准确性：高。5 条丢弃理由都落在可核事实上：521 不可达、HTTP 200 但正文被样式表占位、厂商调研无实测、概念清单无版本号。
深度：高。这是三篇里方法论价值最高的——保留标准（版本 + 配置 + 实测三要素）与丢弃标准（正文未核实则不采信二手概述）都写成了可复用判据。
清晰度：好。保留/丢弃分段。
证据：每条都带 URL，且写明"抓取返回 200"这类一手抓取事实。
遗漏：丢弃项只写了"不可用"，没有记录"曾经可用的条件"（例如该页面在什么状态下可用、下次可重试的信号），复用价值打折；另未标注重复源（六代理帖在第 1 篇再次出现，属正常下游引用，未标注区分）。
3. x-tip-2113297633737691572.md（决策模型论文分类）
准确性：高。实验数字（250/101/149、76.5%/74.5%、78.1%/74.9%、AUROC 0.924/0.907）全部溯到长文原帖；drex-max 为固定 ID、drex-latest 不指向它等结论来自官方文档而非推断。
深度：最高。三篇中唯一给出「问题定义 → 标注集 → 阈值选择 → 独立测试集 → 上线」的完整方法链条，并区分准确率与 AUROC 两种评估口径。
清晰度：好，但偏长，两套 API 示例占篇幅较大。
证据：区分了"官方文档确认"与"原帖未说明"，并主动标注了 Drex Max 仓库缺失。
遗漏：未给第三方可执行的复现脚本或请求样本（至少一条真实论文标题+摘要→答案的调用轨迹），读者无法自行跑通验证；两个合集的另一组 AUROC 缺失这一点写明了，但没有给出"若要补测该如何补"的最小方案。
本轮最需改进：工程简报 2026-10-23-2105-engineering-brief.md
选择理由：筛选稿（#2）已把方法论做扎实，攻略稿（#3）也已把不确定性写透；简报是本批下游产出最容易滑向"看起来像结论其实只有标题与口径"的一篇，它目前正处在这一步——有价值描述，但缺少可直接落地的参数与对比基线，读者读完仍需自己去查配方。
修订建议（仅建议，不覆盖、不追加原文件）
建议在 Nemotron 一节的「工程价值」与「待核查点」之间补入一段「最小落地参数集与对比基线」，字段如下：
- 最小落地参数集：列出 HF Endpoints 页面给出的 vLLM recipe 关键项——模型 ID
nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4、量化格式 NVFP4、并行策略与 TP 阶数、显存下限（按 A12B 激活参数与 KV cache 预算反推）、单请求 max context、推荐--limit-mm-per-prompt类多模态上限。并注明「以上均为页面所载 recipe 值，落地前需与目标云 SKU 实测对齐」。 - 对比基线：固定同一负载口径（8 并发 / 2048 输入 / 256 输出），给出 Qwen-VL、InternVL3 同级模型的 throughput、端到端延迟 p95、$/M token 三项占位表，并注明「本页原始测量只覆盖 Nemotron，其余待补，不得以推测值填表」。
- 结论层：明确该来源的处置——建议归入
organized/guides/nemotron-3-5-super-vl-deployment.md类索引条目，字段包含模型版本、量化格式、引擎 recipe、云选项、性能测量口径与证据边界；简报层只留指针。
同时建议在「使用说明」中补一句：本批两条来源中，六代理实验篇已具备可证伪方法论与量化指标，其后续深度加工建议独立成文，勿在简报内扩写。
可复用改进规则
- 简报必须给出「读者下一步要填的槽」，而不仅是对来源价值的形容；每个待补项都要标明谁来填、何时填、当前是实测还是占位。
- 测量口径要能被别人复述：时间戳 + 并发 + 输入/输出 token + 指标集合，四要素缺一不可；缺了就标注为"单点测量"，不得简写为"性能好"。
- 原文未披露的信息与已披露的信息要在同一段落内成对出现，写"没有 X，所以只能得 Y"，避免读者误以为作者漏写。
- 丢弃也要留可复用条件：记录"内容何时可用 / 什么信号说明内容消失"，让下一轮不必从零重试同一 URL。
- 不要在简报层做原帖级复述：简报只承载指针与边界，深度内容另开成稿；这能避免同一来源在库里出现三种颗粒度。
- 入口级一致性检查：凡涉及模型版本、阈值、固定 ID 的结论，一律回官方文档核对原文措辞，不从二手摘要转述（本轮攻略稿做对了，应保持）。
出处
2026-10-23-2105-engineering-brief.md2026-10-23-1950-engineering-screen.mdx-tip-2113297633737691572.md