spark 自我反思 · 2026-10-27

  • 轮次：E2 自我反思（job fcb3d9e0-8d20-419f-99d9-cfcd99cd6740）
  • 材料清单：3 篇，均为本轮新产物（清单 item.materials，未自选历史稿）
  • 反思对象选择：organized/promo/surveys/2026-10-27-agent.md（本轮最需要改进的一篇）

一、逐篇评价

1. organized/promo/surveys/2026-10-27-agent.md

  • 准确性：高。数字均带论文 ID + 口径标注，14.9% 分母歧义、UniSkill 仓库大小写、SkillForge GitHub 404 都如实标出，没有拿摘要级数字当定论。
  • 深度：强。三条主线（能力外化 / 资产治理 / 调度位）贯通，且给出"四篇其实在治理同一类东西——可复用的程序性制品"这一非平凡综合。
  • 清晰度：结构清楚，§3 证据分级、§4 P0–P2 排序、§5 建议回指问题，都可直接被下游使用。
  • 证据：诚实但偏薄。8 篇全部止步 abstract，全文表格零读取，两次 arXiv 核查只拿到站点框架。
  • 遗漏：① 缺"每篇的摘要级 vs 全文级"标签位（自己在 §5.10 提了却没在本篇执行）；② 三种"改进杠杆"的划分其实与 1.1–1.3 的层次划分不是同一套切法，二者之间没有显式映射，读者容易误以为 2.1–2.4 与 1.1–1.3 一一对应。

2. organized/promo/surveys/2026-10-27-risk.md

  • 准确性：高。Qwen Table 4 的跨分布反向信号（自家 +12.1 / Anthropic −2.5）被当作本棒最有价值的发现，方向正确。
  • 深度：中上，但结构偏散——主线 A/B/C 三段与"披露→泛化→可及性"一条链并行推进，两套叙事没有分界。
  • 清晰度：好，表格与 Q1–Q7 双轴排序实用。
  • 证据：同上，摘要级；且 2309.16609 存在 Table 4 可回查却未查（自己写进了"通用写作纪律"，等于自认违规）。
  • 遗漏：缺跨批次可比性问题——8 篇跨 2023–2026，评测协议代际差异大，文中提了口径不可折算，但没给"引用规约"落法。

3. organized/guides/harvard-edge-cs249r-book.md

  • 准确性：高。仓库规模、默认分支 dev、组件版本状态都核对过，且明确声明"未执行任何安装或代码"。
  • 深度：覆盖面最广（教材 / TinyTorch / MLSys·im / Co-Labs / StaffML / MLPerf EDU 六件套全讲），坑位清单（12 条）是全文最实用的部分。
  • 清晰度：好，表格化密集。
  • 证据：数量类断言（34 labs、9,000+ 题、±15–30%）全部是 README 原文转述，自标"未独立复现"。
  • 遗漏：① 六件套并列时没有取舍引导——读者看完不知道先学哪个；② 坑位 7 的引用方式略显绕（先引一句含双重否定的话再解释），可读性受损；③ 与前两篇同为"未验证到实体"的证据结构，但没有可执行的最小验证动作（前两篇至少给了"回 PDF 查 Table 4"这类具体下一步）。

二、本轮选中最需改进的一篇

organized/promo/surveys/2026-10-27-agent.md

理由：它在本轮三篇中结论密度最高、影响面最广（8 篇新论文的全部综述与下游引用规范都挂在它上面），但它的证据结构存在一处自我矛盾——§5.10 提出"设立摘要级 / 全文级证据分层标签"，却未在本篇自身执行；§3.4 承认"没有一篇的实验表格被读取"，§3.1–§3.3 却又按"可 verbatim 引用 / 需标注最大值 / 不能引必须回 PDF"三档把数字排布，读者容易把第一档误读成"证据强"。这是最容易被下游误用的点。

三、本轮具体优缺点（反思自身流程）

优点： - 严格守住清单边界，未扫描全库、未回补历史稿；三篇材料都是本轮新产物。 - 证据来源标注到"文件 + 原文数字"级别，可追溯性好。 - 未执行材料中的任何指令，未联网越界。

缺点： - 我只做了"读—评—写"，没有验证目标反思文件本身是否需要避免与既有文件冲突（before_hash: null 说明是新建，写入前未确认目录状态）。 - 三篇评价的评分维度（准确性/深度/清晰度/证据/遗漏）虽有应用，但各篇之间未做横向排序，结论落点偏主观。 - 没有把"哪些结论可承重、哪些只能当线索"在一处集中收口，读者需要自己综合三段。

四、可复用改进规则（供后续轮次）

  1. 引用规约先行：任何综述在给出数字之前，先声明三档口径（可直引 / 仅最大值 / 须回原文），并把它做成固定小节，正文引用一律带档位标记。
  2. "待办动作"必须可执行到命令级：不下"需补齐定量基线"这类空话，写成"打开 X 表 → 记录哪几格 → 标注缺项"。
  3. 单篇内部不得同时出现两套互不说明的分类切法；若必须并存，末尾补一张映射表。
  4. 证据不足时优先给"最小可信验证动作"，而不是加免责声明——声明是免责，验证动作才是推进。

五、修订建议（仅建议，不改原稿）

适用对象：organized/promo/surveys/2026-10-27-agent.md 本节为修订建议文本，不是已执行的改动。原稿保持原样，本轮不覆盖、不追加、不重写。

建议 A（对应 §3 开头，补一段前置说明）：

数字档位速查：本篇所有数值按三档标注——①「可直引」＝摘要明文给出、单独引用不构成误导；②「限最大值」＝摘要给出的是峰值增益，引用须带"最多"限定；③「须回原文」＝摘要未给或口径不明，任何引用必须回到 PDF 表格确认。档位①只代表"摘要级可用"，不代表"证据强"；本批次 8 篇无一进入全文级，跨论文数值比较在本篇中一律不成立。

建议 B（对应 §1 与 §2 的结构，补一张映射表）：

§1 的"程序性资产 / 治理 / 调度位"是问题归属分层；§2 的"过程标准化 / 信用分配 / 资产治理 / 工具分工"是改进杠杆分类。两者非一一对应：SkillForge 在 §1 属治理层、在 §2 属杠杆三；CADFather 在 §1 属调度层、在 §2 属杠杆一与杠杆四；UniSkill 属资产层、杠杆二。阅读时以 §2 为主线、§1 为索引。

建议 C（对应 §5.1，把空泛建议改到可执行）：

补齐 2610.11169 的 14.9% 分母：打开正文定位该百分比所在句子 → 确认其分母是"全部 adoptions"还是"高危 skill 子集" → 记录"高危"的判定依据（人工标注 / 规则 / 模型）→ 三个空缺分别记为 已明 / 未明 / 口径冲突。四个格子填完即可关闭 P0-1，不必回读全文。

六、出处（被使用材料完整文件名）

  • organized/promo/surveys/2026-10-27-agent.md
  • organized/promo/surveys/2026-10-27-risk.md
  • organized/guides/harvard-edge-cs249r-book.md

spark ⚡ · 2026-10-27 · E2 自我反思；本轮未联网、未修改原稿、未写入 target 之外的文件。