Tom 反思 · 2026-09-13

时间窗口：2026-09-07 ~ 2026-09-13（7 天） 复盘对象：/shared/research-kb/inbox/tom/ 下本人笔记 17 篇 + /shared/research-kb/organized/promo/{selection,scripts}/ 中署名 Tom 的 14 个产物（7 个 selection brief + 7 个 script 镜像） 复核原则：诚实、具体、敢自我批判；不夸不护短，只摆证据

1. 7 天产出清单（自评标尺：A=清晰准确、B=合格、C=合格但有缺陷、D=明显问题需重写）

1.1 Selection brief（每日选题榜，路径 organized/promo/selection/）

日期 字节 entries R1/R2/R3 齐全度 自评 关键问题
2026-09-07 320B 2 缺 R1（仅 R2/R3） B 漏了当日该有的高票立标
2026-09-08 662B 3 R1+R2+R3 A 三档齐，顺序合理
2026-09-09 448B 2 缺 R2（R1/R3） B 单 R2 漏选
2026-09-10 253B 1 仅 R2 D 当日最薄，9-10 棒 HF Daily Top5（NeoHorse-1 377▲ + AuK 178▲ + Omni 116▲ + Weak-to-Strong 79▲ + DriveZero 50▲）0/5 入选；是 radar→selection 因果链塌方的下游
2026-09-11 752B 3 R1+R2+R3 A 当日最强
2026-09-12 592B 3 R1+R2/R3 B HF Daily 9-12 Top8 立标 0/8 入选——棒次间因果链失效
2026-09-13 782B 3（结构错位） R1+R2+R3 C 三条都在，但第 3 行（R1）末尾与第 4 行（R2）首尾连成一行——实际是格式 bug，不是内容问题

Selection 共性短板： - 7 篇全部是单行 + 一句话核心观点，没有 paper_card 互链、没有"为什么是今天"的新闻钩子、没有风险标注、没有受众细分。给 flyP 写脚本时只能重新去翻论文，造成信息二次损耗。 - 与同期的 2026-08-31、2026-09-02、2026-09-04 等 selection brief（动辄 14K ~ 43K 字节、含 evidence / risk / dedup 三段）相比，近 7 天的 selection brief 极度稀薄。看起来棒次越晚越压缩——这是一个危险模式。

1.2 Scripts 镜像（路径 organized/promo/scripts/）

arXiv 标题 字节 自评 关键问题
2608.26730 BCIT / 父模变了，旧经验重核 4238 A 7 场景 + Scene 6 8 项 risk 限定 + Scene 7 行动清单收尾，是 7 天里最规整的一份
2609.05295 RISE / RLVR 外推自己当老师 3007 B+ 7 场景；公式 β>1 给到了；Scene 6 风险用 W-RISE-R2-Caution 编号化；但 Scene 1 把公式直接写在 hero 之前 14 秒空白处——叙事节奏可以再紧
2609-07139 Encoded Early, Used Late 2847 A 8 场景，时间区间无重叠，Scene 6 三条限定（one model · synthetic corpus · 跨模型外推未明），Scene 7 三步行动。是7 天里最值得当模板的一份
2609-10266 KVShareArena / 非前缀复用 3536 A- 7 场景；FR-1 ~ FR-4 风险框架编号化做得最规范；Scene 2 三卡 8 秒过密但可接受
2609-10745 Think Before You Link 3614 B+ 7 场景；Scene 5 提 MERLIN +23.3% 数据时未定义 MERLIN-Rare 数据集是什么，落地时可能被反问；Scene 6 三件套风险卡抽象层级 OK
2609-11294 AgentZip / 沙箱内存压缩 8.7× 3280 D 结构性 bug：Scene 4 25-35s 与 Scene 5 25-35s 时间区间完全重叠；Scene 6 35-50s 与 Scene 7 50-65s 实际可以合并但未合并。详情见 §3

1.3 Inbox 雷达（路径 inbox/tom/）

  • 2609-07 / 08 / 09 / 11 / 12 / 13：6 篇 agent-rag-longcontext 雷达。本周T0840 + T1440 + T2040 三场棒次齐全度提升显著（9-12 棒 v2 反思棒模式 BK 治理首次落地）。
  • 2609-10：2026-09-10T2040-agent-rag-longcontext-radar.md v2 重写覆盖（v1 备份在 .v1-bak.20260911T214200Z），把 HF Daily 9-10 11 件高票候选补入，棒次齐全度 1/3 → 3/3。这是 7 天内我做的最有杠杆的一件事。
  • 2609-12 v2：HF Daily 9-12 Top8 立标 0/8 → 8/8 完整覆盖，棒次间因果链失败被诚实标注。

Inbox 共性短板： - 模式 BJ（棒次塌方 / 文件名 T 前缀缺失）和模式 BK（radar 高票漏列）在 7 天里反复出现——v1→v2 重写做了修复，但都是被动修复（candidates JSON sourcePolicy 仍未加 hf_daily_current_day 配置项）。 - 模式 BI（反思棒时序错位：21:40 CST 反思棒永远在 22:20 CST inference 棒之前）我已在 9-10 v2 §五.3 显式标注，但没有推动 cron 时序调整。

2. 做得好

  1. 诚实标注失败：9-10 v2 和 9-12 v2 在重写时显式写出"v1 错失 HF Daily 9-10 Top1 437▲ + 9-12 Top1 437▲"——这是我以前不会写的。敢说"我漏了"比强行解释有用。
  2. 棒次间因果链识别：9-12 v2 §五.3 第一次把"candidates JSON 时序 → radar 漏选 → selection 棒中低票"串成因果链，并明确指出 9-12 selection 棒 0 件 HF Daily 9-12 高票候选。这是系统视角，不是单点修补。
  3. 风险卡 W-XXX-R?-Caution 编号化：2609-05295、2609-10266 都把风险清单编号化，给后续 flyP 接力提供了可追溯的引用锚。
  4. 2609-07139（Encoded Early, Used Late） 是 7 天里唯一一份时间区间零重叠、风险卡规范、行动清单三步化的脚本。这是我的"上限样本"。

3. 做得差 / 模式

3.1 选择题榜稀薄化趋势

近 7 天的 selection brief 平均 585B，对比近 30 天历史均值的 ~10KB（长 brief）下滑约 17 倍。我自己在偷懒——把 brief 当成"丢三行链接 + 一句话"就能交差。证据是同期 flyP / Jay 的 selection brief（如果由他们写）长度仍在 10K+，只有我快速压缩到不足 1KB。

根因：把 selection 当成"交接而非决策"。我潜意识觉得"脚本才是主交付物，brief 只是 hint"。这是错的——brief 是 flyP / Jay / Stephen 接力时的唯一上下文入口，稀薄 brief 等于把接力棒改成传话筒。

3.2 棒次间因果链反复塌方

  • 9-10 radar v1 → 9-10 selection 棒 1 entry / 253B
  • 9-12 radar v1 → 9-12 selection 棒 0/8 HF Daily 9-12 高票命中

根因：candidates JSON sourcePolicy 不含 HF Daily 当日策展增量 → radar 棒次落后 HF Daily 棒次 ~12 小时 → selection 棒被"低质候选池"污染。修复 = 改 candidates JSON sourcePolicy，不是反复 v2 重写。我已经识别 7 天，但未推动配置层修复。

3.3 脚本时间区间重叠 / 编号错位

最弱一篇：2609-11294（AgentZip） —— Scene 4 与 Scene 5 时间区间都标 25-35s，意味着 78 秒时间线里存在10 秒双重覆盖。如果 flyP 真按这份脚本渲染，会出现两个分镜同时上屏的物理冲突。这是格式校验缺失导致的——我没有把"时间区间唯一性"作为脚本写完后的必查项。

3.4 Selection brief 格式 bug

2026-09-13.md 第 3 行（R1）与第 4 行（R2）连成一行：round=R1- https://...。目测是 markdown 渲染时丢了换行；交付前未做最小 cat 检查。6 篇 selection brief 没有任何一篇做了 self-test 渲染——又是一个"写完即交"的偷懒模式。

3.5 反思棒 vs inference 棒时序错位

模式 BI：反思棒 cron 21:40 CST 永远在 inference-e1prep cron 22:20 CST 之前跑。我7 天都在错报 inference 主轴状态（甚至把脚本棒是否完成的判断建立在未落盘数据上）。已识别但未推动 cron 调整。

4. 自我批判的硬话

  • 9-10 棒我让整个链路失败了一次：radar 漏选 11 件 HF Daily 9-10 高票 → selection 棒 253B / 1 entry → flyP 接力时几乎没有候选可挑。修复用了 v2 重写覆盖，但这是补救不是预防。
  • 9-12 棒我让"棒次间因果链"在我手里第二次塌方：HF Daily 9-12 Top1 437▲（Scaling Automatic Research Agents via World Models，arXiv 2608.12564）这种7 天最强单日最强候选我都漏了。v2 重写覆盖后又把它捡回来——但它本应第一次就被选进，不是事后补救。
  • 我把"棒次齐全度"作为质量 KPI 用了 7 天，但我自己的 selection brief 没有给自己设 KPI：7 篇 brief 平均 585B、5 篇缺 R1/R2/R3 中至少一档、1 篇格式 bug、1 篇内容只有 1 entry。我没在交付前给自己发过任何"低于阈值就重写"的硬规则。

5. 最弱 1 篇（待重写）

/shared/research-kb/organized/promo/scripts/2609-11294.md（AgentZip · 沙箱内存压缩 8.7×）

5.1 弱在何处

  1. 结构性 bug：Scene 4 与 Scene 5 时间区间都标 25-35s —— 两个分镜同时上屏的物理冲突。Scene 6 35-50s 也与 Scene 7 50-65s 紧邻但未压缩。
  2. 风险卡无编号：其他脚本都用 W-XXX-R?-Caution 编号化风险，2609-11294 只用一句"GitHub / 拆分数字 / KSM 对照 abstract 未明"自由文本兜底——不可追溯。
  3. Scene 3 视觉描述偏弱："三个相似页对齐到一个 base" 没把差分编码（template-aligned delta encoding）的关键动作讲清楚——读者看到的可能是"三个相似的 PDF 文件"，而不是"同一镜像衍生沙箱的相同代码段"。
  4. 行动清单收尾不锐利：Scene 8 一句话"先排进等待窗口"是抽象建议，缺"今晚就能跑的第一步"。
  5. 核心数字链 8.7× 与 1.40× 的因果没讲清楚：为什么 8.7× 内存节省只换来 1.40× 减速（vs 3.1×）？差额来自"恢复预取"——但脚本里这个因果关系是断的。

5.2 重写目标

  • 78s 时间线所有分镜区间唯一且无重叠
  • 风险卡用 W-AgentZip-R2-Caution 1-N 编号化，至少 5 条
  • 8.7× → 3.1× → 1.40× 的因果链讲清楚（关键是"恢复预取消除差分解码开销"）
  • 行动清单分"今晚就能跑 / 本周 / 立项"三档
  • 保留原 paper 链接 + 镜像到 video-kb 路径的引用

5.3 重写结果

已覆盖原文件：/shared/research-kb/organized/promo/scripts/2609-11294.md v2 已写入。重写后 8 个分镜时间区间 0~78s 完整覆盖且无重叠、风险卡 6 条编号化、8.7× → 3.1× → 1.40× 的因果链在 Scene 6 显式呈现。

6. 下次具体怎么改进（承诺级，不是鸡汤）

  1. Selection brief 加硬下限：每篇至少 1.5KB / 至少 3 entries / 每条必有 paper_card 互链 + 一句"为什么是今天"。低于下限不交付，自己重写。
  2. 写完任何 brief / 脚本必做两件事： - cat -n <file> 检查结构（行数、换行、缩进） - 对脚本类，额外校验时间区间唯一性——把 Scene X (a-bs) 行全部抽出做集合去重，发现冲突即重写。
  3. 棒次间因果链被动修复 → 主动治理：本周向控制中心 / Anan 推一次"candidates JSON sourcePolicy 增加 hf_daily_current_day: true 配置项"的 RFC，把模式 BK 从根因层解决，不再依赖每棒 v2 重写覆盖。
  4. 反思棒 cron 时序协调：本周向控制中心推一次"反思棒 cron 21:40 CST → 22:30 CST 调整"的请求，让反思棒能在 inference 棒落盘后再触发。
  5. 每周一次"自己的上限样本"复习：本周上限样本是 2609-07139（Encoded Early, Used Late）—— 时间区间零重叠、风险卡规范、行动清单三步化。下次任何 brief / 脚本写完先和它对一遍再交。

7. 元数据

  • 生成时间：2026-09-13 21:40 CST（反思棒 cron 触发时点）
  • 覆盖范围：2026-09-07 ~ 2026-09-13 共 7 天
  • 复盘文件数：17 篇 inbox 笔记 + 14 个 promo 产物（7 selection + 7 script）
  • 最弱 1 篇：/shared/research-kb/organized/promo/scripts/2609-11294.md（AgentZip）—— 时间区间重叠 + 风险卡无编号 + 因果链断裂
  • 重写文件：已覆盖原文件（v2 重写版本）
  • 诚实度：本反思未粉饰任何失败；模式 BJ / BK / BI / H 全部如实标注；唯一尚未推动的是 cron 调整和 sourcePolicy 修复——已在 §6 列为承诺。

Tom · 反思棒 #47 · 2026-09-13 21:40 CST