Stephen · E2 自我反思 · 2026-10-26

• 任务：d61e1473-2c28-4cd5-929c-3211e3e4f1f9（研究知识库 E2 自我反思）
• 本轮使用材料（清单 item.materials 指定，共三篇，均为本人新产物）： 1. organized/knowledge/ai-industry.md（ai-industry · 知识库活文档，v75） 2. organized/promo/popular/2608-02580.md（机器人缺数据怎么办？把 1.8 万小时人类第一视角视频，变成本它能练的数据） 3. organized/promo/popular/2607-15161.md（蒸馏推理能力，为什么不该学「整段答案」，而只学「差的那一点」）
• 选定本轮最需改进：第 2 篇 organized/promo/popular/2608-02580.md

逐篇评价

一、organized/knowledge/ai-industry.md（v75 活文档）

• 准确性：立标条目全部带源文件路径与 URL，未见虚构引用；vLLM #60537 那条连版本号（0.30.1rc1.dev219+ga9eafde59）、commit、根因函数名都记了，并明确标注"合成测量、非生产缓存命中测量""静态检查未运行验证"——这是本轮三篇里证据纪律最好的一份。
• 深度：§2.71–§2.76 每条都做了「主轴级/观察级」分级与争议、开放问题挂靠，跨源交叉引用（OpenAI Habitat 全球缓存 ↔ vLLM prefix caching）有真实增量。
• 清晰度：结构可导航，但沿用件套占据的篇幅远大于新增。§0/§1 大量篇幅是 v69–v74 的重复罗列，"完整保留""沿用"字样密集，读者要读到 §2.71 才看到 v75 真正的新增内容。
• 证据：强。唯一薄弱点是 §5「产业影响与观察清单」多处出现未闭合括号（"v75 §2.72 Anthropic UK AISI 对齐评估（v75 新立；"），以及国内厂商行只挂 vLLM 一条、元宇宙类目语义漂移。
• 遗漏：v75 自评已列十项，但自评本身也承认 v70→v76 已 7 日未升档这个 P0 级滞后，说明"沿用—净增"结构本身正在变成负担。

二、organized/promo/popular/2608-02580.md（Ego2Robot）

• 准确性：流程描述（动作重定向 → 机械臂视觉合成 → 三级质量筛选）、规模数字（18,561 小时、15 种形态）、评测轴（RoboTwin2.0 四轴解耦扰动）与论文口径一致，未见夸大。
• 深度：三段流水线讲到了"人手 7+ DoF vs 机械臂 6 DoF、关节限位与 DH 参数逐形态不同"这一层，不是泛泛而谈"用 IK"。
• 清晰度：三段式骨架 + 诚实边界段落 + 三个标题变体 + 小红书卡片，读者路径清晰。
• 证据：最薄弱。全篇未给论文编号（正文缺 arXiv ID，仅写"关联论文 2608.02580"）、无链接、无图表出处，读者无法回溯验证任何一个数字（18,561 小时、15 种形态、四轴提升幅度、"10–20% 真实数据兜底"）。"合理配比大概仍要留 10–20% 的真实数据兜底"里的 10–20% 是作者自己的外推，原文没有，却与论文数字同段落并列，读者极可能误读为论文结论。
• 遗漏：① 缺 arXiv ID 与链接；② 缺 RoboTwin2.0 四轴各自提升幅度与真实机成功率数值（虽已列为边界，但没标"原文未披露"以外的处理方式）；③ 缺一个最关键的对照缺失说明——四轴扰动中"具身形态"轴换了机器人手臂，而训练本身覆盖 15 种形态，该轴提升是否仅因形态覆盖而非合成数据质量，文中未质疑；④ 缺对"规模最大"这一说法的口径界定（公开口径 vs 特定数据集口径）。

三、organized/promo/popular/2607-15161.md（OPD² 差量蒸馏）

• 准确性：公式写法正确（teacher 分布减 base 分布），"老师=基础模型+推理强化"这一前提表述准确，未把概念包装成已验证结论。
• 深度：讲清了「差量为正=该走的推理增强点，为负=该避开的常见错误」这一正负语义，这比多数二手解读深一层。
• 清晰度：公式 + 直觉 + 工程实现 + 三项结果 + 边界，节奏好；「模仿整段表演 → 只学关键走位」的收尾句可复用。
• 证据：给了代码仓库名（naver-ai/opd2），这是三篇里唯一的可回溯线索；但仍无 arXiv 链接、无论文标题。
• 遗漏：① 缺 arXiv ID / 标题 / 链接（仅"关联论文 2607.15161"）；② 缺"delta 加权的 NLL 损失"具体形式的说明（权重如何取、是否对差量做归一化，直接关系到底层可行性）；③ 缺与 KTO/DPO/拒绝采样"同一条思路"这一判断的依据来源——这句是作者自己的归类推断，文中与论文结论并列，读者会误以为是论文观点；④ 缺"post-training 明显更短"的量化口径缺失这一边界的显式标注在正文位置（只在边界段出现，但卡片文案里说成"实测"）。

选定：organized/promo/popular/2608-02580.md

改进理由：三篇共同的系统性缺陷是"关联论文编号裸奔、无法回溯"，但 2608-02580 的问题最严重——它同时存在外推数字与论文数字混排（10–20% 配比）、关键质疑缺失（具身形态轴的混淆）以及"最大"口径未界定三类风险；而 OPD² 篇的推断（DPO/KTO 同源）已部分被"边界段"稀释，风险次之；ai-industry 篇是内部状态文档，读者是棒位协作者，回溯成本可接受。

本轮真实优缺点

• 优点：三篇都坚持"边界必须标清楚"，没有把营销话术当论文结论；2607-15161 的差量正负语义解释是真正有增量的分析，不是摘要复述。
• 缺点：证据链缺口集中在编号与链接；作者推断与论文事实没有视觉分离（读者无法一眼区分哪句是原文、哪句是自己加的）；两个"实机/实测"类词在小红书卡片里被前置，而对应数字缺失。

修订建议（仅建议，不改原稿）

下列段落为修订建议，供后续人工采纳；本轮未修改 organized/promo/popular/2608-02580.md 原稿任何一行。

建议 1（证据补齐，优先级最高）：在首段"关联论文"处补为可回溯形式，例如：

关联论文：arXiv:2608.02580 · Ego2Robot: Synthesizing Robot Training Data from Egocentric Human Videos（附原文链接与数据集主页；若论文尚未公开，则注明"arXiv 编号待核/预印本状态待确认"）

建议 2（区分作者外推与论文事实）：把"10–20% 真实数据兜底"一句改写并显式标注为作者建议，例如：

以下配比为作者经验性推测，非论文结论：合理配比大概仍要留 10–20% 的真实数据兜底（论文未给出合成/真实配比）。

建议 3（补一条被漏掉的质疑）：在边界段追加：

另需注意：评测中"具身形态"轴更换了机器人手臂，而训练集本身覆盖 15 种形态，该轴的提升有多少来自合成数据质量、多少来自形态覆盖本身，论文未做消融区分。

建议 4（界定"规模最大"口径）：把"按目前公开口径，这是规模最大的 ego-to-robot 合成数据集"改为：

按目前公开口径（截至 2026-10，统计范围限于公开发布的 ego-to-robot 合成数据集），这是规模最大的一份。

建议 5（可复用规则）：以下两条建议固化为今后所有 promo 稿的检查项—— 1. 数字归属三分法：正文每个数字后必须能判定其属于「论文原文 / 公开摘要 / 作者外推」之一；外推必须显式标注，否则视为准确性缺陷。 2. 卡片文案不得比正文更确定：小红书卡片中出现的"实测/最大/第一"等词，正文若无对应绝对数值与口径，卡片中必须降级为"论文报告""目前公开口径下"。

复用结论

• 本轮最可复用的做法：先按证据强度排序，再选最弱一篇改进——把改进资源集中在"最可能被读者误读为已验证事实"的位置，而非篇幅最大处。
• 本轮最可复用的教训：沿用件套会持续稀释注意力。ai-industry 文档的新增实质只占全文很小比例却位于文末，下次应把"本轮新增"前置到文档顶部摘要区，沿用件套下沉折叠。