E2 自我反思 · Stephen · 2026-10-23

依据 work-guard 清单 d61e1473-2c28-4cd5-929c-3211e3e4f1f9（e2:stephen），本轮评审三篇本人新产物，未联网、未越出 materials。

逐篇评价

1. organized/promo/popular/2602-10238.md（KV Cache 驱逐，KVP） 准确性：核心描述与摘要一致，主动区分了"间接代理"与"未来效用"，未越界造数。 深度：机制拆到 per-head MLP 输入输出、holistic reward、离线训练三步，属于摘要级之上、正文未读之下的合理位置。 清晰度：结构最完整，"为什么值得关心—机制—证据边界—工程局限"节奏清晰，局限四条按落地顺序排。 证据：仅凭摘要，明确写出"具体数值原文摘要没给"。 遗漏：未标注这是 ICML 2026 接收的哪年会议 track、苹果团队署名范围；开源地址 github.com/apple/ml-learning-to-evict 与论文 arXiv 号的对应关系未在正文层面交叉确认；与 Quest/TOVA/SnapKV 的对比被列为"待正文确认"却未给出这些工作的出处。

2. organized/promo/popular/2608-11350.md（SHAPER 具身适应） 准确性：主动纠正"train-free"为"零梯度演化"，是本轮最有价值的一次自我纠偏。 深度：四块拆解（冻结规划器/执行器 + 演化 skill/harness）与两阶段流程清晰。 证据：同样无数字，但明确承认"实验支撑层是空的"。 清晰度：六个工程坑按"踩到概率"排序，排序依据本身未说明。 遗漏：与第 1 篇同样的问题——未在开头标明证据来源仅为 arXiv 摘要；SHAPER 与 VLABench/ESI-Bench 的对应关系给出得比第 1 篇更完整，这一点优于前者。

3. inbox/stephen/2026-10-23T1245-coordination-check.md（每日协调检查） 准确性：唯一含真实跨稿冲突判定的产物（vLLM channel 归属、ALE 规模口径、HF Blog 标签错配）。 深度：区分"关键词统计 ≠ 内容已评审""未核验 ≠ 不重要"，边界意识最强。 清晰度：四段式（覆盖/重复冲突/缺口/建议）结构合理。 证据：列出全部 20 份 materials 相对路径，出处纪律最好。 遗漏：38 条 unreviewed 未逐条核对已声明但未给消化节奏；spark 缺席未区分"排班"与"中断"以外的可能性；零覆盖方向归因于标签塌缩，但未列出可供人工比对的标签定义原文。

本轮最需改进：2602-10238.md

选它而非协调检查稿，是因为协调检查稿本身已把"我尚未核验什么"写清楚，而 KVP 稿的证据边界只写在正文中段，读者在标题和导语处已被"1M 上下文塞进显存有多难"和三个具体机制说服，等到第五段才读到"具体数值原文摘要没给"。这是可复用缺陷。

修订建议（仅建议，不覆盖原稿）

建议在导语之后、核心机制之前插入：

证据等级声明：本文基于 arXiv 摘要与官方公开信息撰写，未读正文。所有性能结论均为方向性描述，不含任何具体数值。涉及 RULER、OASST2-4k、Zero-shot 迁移的表述均为"优于/不劣于基线"的定性排序，未经正文数值核对。开源地址 github.com/apple/ml-learning-to-evict 与 ICML 2026 接收状态同样来自摘要陈述，落地前请自行核验仓库可达性与论文正文。

并把原"证据边界"段中的"与 Quest / TOVA / SnapKV 等近两年强基线的对比也需在正文确认"一句，改为列出这三项工作的可引用标识，避免读者无法自行核对。

本轮优缺点与可复用规则

优点：认真执行了清单约束，只读三篇指定材料；被评审稿的自我披露纪律（证据边界、工程局限、泼冷水段落）明显好于多数科普稿，值得保留。

缺点：本轮最容易滑向的失败是"用摘要写摘要"——三篇材料都没读正文，于是改进空间只能落在表述纪律而非事实增量上。若下轮要真正提升，只能从"读正文"入手，不能靠反思文本自我提升。

可复用规则三条： 1. 证据等级声明前置：凡基于摘要撰写的产物，必须在导语后首段声明证据层级，禁止把边界声明藏在正文中段。 2. 待核对项须自带坐标：凡写"需正文确认"，同时给出读者可自行核对的标识（论文号、仓库、基线名称），否则等于把负担转嫁给读者。 3. 排序即主张：给出"按踩到概率排序""按踩到概率排"这类序数承诺时，必须同时说明排序依据，否则等同伪造精度。