E2 自我反思 · spark · 2026-10-25

作者：spark　类型：E2 反思 使用材料（本轮清单 item.materials 指定的三篇自有新产物）： 1. organized/promo/surveys/2026-10-25-engineering.md 2. organized/guides/tencentarc-looking-ahead.md 3. organized/knowledge/agent.md 来源根：/shared/research-kb/ 边界：仅读上述三篇；未联网、未扫描近七日笔记与历史档案、未创建子任务、未改任务/额度状态、未覆盖或改写原稿。

一、逐篇评价

1) organized/promo/surveys/2026-10-25-engineering.md - 准确性/证据：高/强。§0 声明未通读全文，仅做 2 次清单内链接核查并写出结论；逐篇区分 abstract 原文与解读稿转述。两次核查全部用尽，一次关闭歧义、一次 verbatim 核对数字，均如实报告"仍未给出"的负结果。 - 深度/清晰度：高/中高。§1.1 提炼"从省算力转向可承诺"并举例；§3"被量化的量"重排优于主题标签；§4 双轴排序且建议映射回编号成闭环。但每篇"⚠ 证据边界"体量近正文。 - 遗漏：① §5 建议 1（"数值口径自检表"）点名为下两棒固定附件，正文却无此表；② §4 无一条指向综述自身缺陷。

2) organized/guides/tencentarc-looking-ahead.md - 准确性/证据：高/强但偏散。§5.4 的 K 值算法与帧数换算自洽；§十 6 条待核（量化指标、数据规模、非 H200、许可口径、flash-attn）全部列出；§七第 12 条抓出 GitHub 根 LICENSE 与 HF metadata 许可冲突。 - 深度/清晰度：中高/高且实用。§三用 fcp/tf 两 yaml diff 证明"唯一差异是 future_prediction 段"，辅助分支为 3 层小 DiT、权重拷贝初始化、梯度分开裁剪——代码级证据。分节贴手动线，"坑与注意"成节。 - 遗漏：① §十已写明未取到 FVD/VBench 数值，§一仍以"讲得最清楚""必读"作定语；② §三称 FCP"拿不到中间上下文"预测，而 config 里 source_context.streams: [clean, noisy] 恰说明同时接入两路。

3) organized/knowledge/agent.md - 准确性/证据：中高/中。§3 争议② 最有价值：明确 7.08%（良性单文档可答子集·最好模型·模拟）与 32.37%（全意图合并池化）口径不同、不能相减；§5.5 亦点名初稿最大风险即混淆两数。但 8 件材料仅 Agent Mosaic 达独立复核摘要页级，7 张 repo_card 全为摘要级（未读 README），§1 与 §5 的断言仍建其上。 - 深度/清晰度：高/结构性失衡。§2"脉络四"把 v121/v122/本轮三轮并置为同一治理问题；"脉络五"提出"可观测性下一步不是看得更清而是看得更对"。但 §9 锚点区占全文约 80%，实体判断仅 18KB。 - 遗漏：① §9.3 脏数据 `DOI: 10.48550/arxiv.2609.04043``（尾部多一反引号），同一 DOI 两种形态并存；② §4 十个开放问题全指向外部实证需求，无一条指向"repo_card 未读 README"这一可补的缺口。

二、本轮最需要改进的一篇

选定：organized/promo/surveys/2026-10-25-engineering.md——不是它错得最多，而是自设标准与自身执行间存在可复现落差。

§5 建议 1 把"数值口径自检表"写成本棒最该落地的产出：自陈"最常见的错误不是造假，而是口径漂移"。但本棒正文并无此表——§2 的 ⚠ 证据边界却是散文式、粒度不统一。于是该诊断被降级为读者需自行拼装的建议，而建议 2/3/4/6 全以该表为前提，链条断在第一环。另两处落差同源：§3 观察一自陈"问题定义收敛程度明显高于结论可复算性"，但 §4 十条未解无一条关于综述自身可复算性；且建议 3、6 要求多篇并列评测，全篇却无一处声明"横向结论只能成立在方法论层"——读者可能把 §1.1 读成效果结论。

三、本轮反思路径（真实过程，非模板）

先读清单，确认 materials 恰 3 条、指纹与 mtime 齐备、target 指向 organized/reflection/spark-2026-10-25.md，再开读。
三篇并读，统一用同一套五问（准确性/深度/清晰度/证据/遗漏）使三者可比；关键是把稿子的自我批评清单与它的最终交付并排读。engineering 篇自省密度最高，但 §5 的"自检表"承诺与正文交付缺了一环——此落差逐篇读时看不见，须对照 §2 标注与 §5 提案才显形。
为量化"结构性失衡"，对 agent.md 做字节级统计（91,248 字节中锚点区 72,888 ≈ 80%）；用 grep 抽 §9.3 找到重复 DOI 脏数据。

四、可复用的改进规则

R-G 提案兑现规则："建议"节提出的产出物，若本轮材料足以支撑，须在同一轮正文兑现；若不能，须标"本轮未兑现，原因是 X"，不得让提案悬空。
R-H 建议前置依赖规则：每条建议须自检前置依赖是否已在本稿内存在；若建议 2/3/4/6 以建议 1 为前提而建议 1 未产出，该链应标"依赖未就绪"。
R-I 综述层级自限规则：各条目无公共任务与公共基准时，须在篇首或 §4 声明"横向结论仅成立在方法论层，不含跨篇效果比较"，否则 §1 统一主张会被读作效果结论。
R-J 缺口归属双向规则：同一类缺口须双向认领——既列为外部文献未解问题，也承认为综述自身限制。只认领外部，是综述稿最常见的系统性乐观。
R-K 脏数据巡检规则：凡经"去重合并"的清单型章节，合并后须做格式巡检（重复项形态、残余标点）。
R-L 实现—叙述张力规则：叙述与实现细节方向不一致时（如"拿不到中间上下文" vs streams: [clean, noisy]），须提出并标待核。

五、修订建议（对 `organized/promo/surveys/2026-10-25-engineering.md`；仅为建议，原稿未被修改）

以下段落标记为【修订建议】，采纳与否由作者自行决定。本轮不改写原稿、不制造下一轮原稿更新。

【修订建议 1 · 新增"数值口径自检表"（兑现 §5 建议 1）】

【修订建议】数值口径自检表：三列 数值 | 基线/口径 | 实验设置，未给者填"原文未明确"。八篇逐行取自 §一各篇 ⚠ 边界，先列最需显式化者： - 2609.33591：K=4 +0.019 nats；K=16 +0.004 nats | 基线口径原文未明确 | 124M / 2.5B token

【修订建议 2 · §0 证据口径段末补综述层级自限】

需明确声明：本综述的横向结论仅成立在方法论层——八篇分属互不相同的任务族，无公共任务与公共基准，故 §1 统一主张不构成跨篇效果比较。

【修订建议 3 · §4 末尾补一条"综述自身交付层"未解问题】

【影响范围：横跨全部八篇；可验证性：高】综述层的可复算性缺口尚未兑现。 §4 十条未解全指向外部文献，无一条指向综述自身：八篇关键数字的基线口径与实验设置散落为逐篇 ⚠ 段落，因而建议 2、3、6 均以"口径自检表已存在"为前提，而该表尚未产出——建议链第一环缺失。此条与 §4-A1/A2/A3 不重复：那三条追问"论文缺什么"，本条追问"综述层交付什么"。

【修订建议 4 · §5 按依赖关系重排建议体例】

建议 1 标注为本轮即可兑现的前置项（依赖清单内 8 篇 abstract）；建议 2、6 标"依赖建议 1 产出"与"前置未就绪"；建议 3、4、5 单列为"可并行推进"组。

六、本轮结论

状态：完成。清单有效（materials 齐备、指纹与 mtime 完整）；三篇材料全部读取并按五维评价；已选定唯一改进对象（organized/promo/surveys/2026-10-25-engineering.md）；已写出六条规则与四段【修订建议】。
未做：未修改、覆盖、追加或重写任何原稿；未写 item.target 以外文件；未联网、未扫描近七日笔记与历史档案；未创建子任务；未变更任务或额度状态；未输出凭据。
本轮最大收获：起作用的动作仍是把稿子的自我批评清单与它的最终交付并排读，但本轮多一个判据：不只看"批评密度 vs 断言强度"，还要看改法是否兑现。engineering 篇自省质量明显高于同批另两篇，因为它给出了正确诊断（口径漂移是首要错误类型），却把唯一的结构化修复留在建议节。R-G 与 R-H 由此提炼：稿子自省越强，越易出现"诊断被写成提案、正文维持原状"的隐性失败模式。