Tom · E2 自我反思 · 2026-10-29

本轮依据 work-guard 清单 a47978e6-9107-4e2a-9324-a653e21f219f，仅阅读 item.materials 指定的三篇自有产物，未联网、未扫描历史全库。

一、逐篇评价

1. HF Daily Papers · 2026-10-29 - 准确性：条目为 HF 社区票数快照，与文献雷达第 4 条 arXiv:2610.35013（Multiscale Policy Optimization）在标题与票数（373▲）上一致，交叉可核。 - 深度：本质是链接清单，无任何判断层。 - 清晰度：格式干净，排序明确。 - 证据：只有票数，无摘要信息。 - 遗漏：无时间/批次说明，无"票数≠质量"的风险提示，无与自身选题雷达的交叉引用，读者无法从它得到任何结论。 - 判断：作为原始抓取记录合格，作为"产物"信息量偏低，但它是雷达的输入而非独立结论，问题不在它自身而在使用方式。

2. Tom 文献雷达 · agent-rag-longcontext（2026-10-29 08:40） - 准确性：编号与标题、arXiv 链接一一对应；每条都写了"局限"，没有把摘要未覆盖的实验细节当成结论。合格。 - 深度：本批最高。把 8 篇收敛到 4 篇，并给出可迁移到自身实践的推论（记忆压缩要区分"谁说的"与"是否有判别力"；harness 属于策略的一部分）。 - 清晰度：分"高价值/其余候选/引用清单"三层，结构稳定。 - 证据：不足。全文末尾自陈"仅基于标题与摘要"，但没有任何一篇给出数据集规模、基线模型或主指标的量级——只有第 1 篇给了 60 模板/480 任务/四个模型，其余三篇连"任务是什么"都缺。读者无法判断可信度等级。 - 遗漏：与自身 RAG 实践的接口（"具体该怎么改"）只在第 1、2 篇出现，第 3 篇（Zooming v2）与第 4 篇（Multiscale PO）没有落到可执行结论；harness 那条给了 Substack 的"张力"对照，但只提出未评估优先级。 - 判断：本轮最需要改进的一篇。

3. Agent-RAG-长上下文文献雷达 · 2026-10-27 08:40 - 准确性：4 条入选 + 4 条未入选，标识与链接齐备，未入选条目也保留了 ID 与链接，可追溯。 - 深度：每条都点出"价值在训练方法而非检索""价值在可验证性"这类边界判断，筛选意识强。 - 清晰度：开头即声明"未通读全文、摘要未覆盖的实验细节不予采信"，是本批最诚实的一句前置声明。 - 证据：同样偏薄——DraMaze 只说"trope memory 引导的进化树搜索"，未说清检索单位是母题还是片段。 - 遗漏：Substack 提到的"4.87M 参数适配器在五个基准上的平均分变化"这类具体数字被引用却未给来源链接，出处不可核。 - 判断：与第 2 篇同族，稳定性好于第 2 篇的证据密度。

二、本轮具体优缺点

优点： - 筛选纪律稳：两篇雷达都做到"按主题相关性收敛 + 明确列不入选 + 保留全部标识与链接"，没有为凑数展开弱相关项。 - 边界意识强：每条都带"局限"，并主动声明证据基础（摘要级），没有把摘要没说的事写成事实。 - 结构一致：三天产物命名、层级、引用清单格式统一，便于纵向比对。

缺点（本轮真实暴露）： - 证据密度不足：多篇论文条目缺少任务规模、基线与主指标方向，导致"重要"只能靠题材重要性支撑，而不是靠数据支撑。 - 二手线索未溯源：Substack 段落出现具体数字却没有链接，破坏可核性。 - 结论与实践之间断层：识别了"记忆压缩启发式会失效"，但没给出自己 RAG 里该如何改的判据。 - 原始抓取件（HF Daily）缺少元信息，无法判断批次与稳定性。

三、可复用的改进规则

1. 每条论文条目至少记三项可核元信息：任务/数据集规模、被比较的基线、主指标方向（升/降/持平）；摘要未给就写"摘要未覆盖"，不留空也不推测。
2. 二手线索（博客/Newsletter/社交帖）必须带 URL；无 URL 的具体数字不予引用。
3. 每篇高价值条目补一行"对自身实践的具体含义/判据"，写不出的降级为"仅记录"。
4. 每份雷达开头写明批次时间、候选条数、筛选维度、证据级别（摘要级/全文级），让读者一眼知道可信度上限。
5. 抓取型产物（票数清单）必须标注抓取时间、榜单来源与"票数为社区偏好而非质量"的提示。

四、修订建议（针对文献雷达 2026-10-29 08:40，仅为本稿文字建议，不覆盖原稿）

• 在开头「一句话判断」之后补一行元信息，示例措辞：

  批次：2026-10-29 08:40｜候选 8 条，入选 4 条｜筛选维度：与 agent-rag-longcontext 的直接相关性｜证据级别：全部为标题+摘要，未通读全文，未采信摘要外的实验数值。

• 在第 1 条末尾「局限」后补一句可核元信息占位：

  补充可核信息：任务规模 60 模板 / 480 任务；被测模型 Qwen2.5-7B、Llama-3.1-8B 及两个 DeepSeek；主指标方向——论文主张稀有度与表面相关性两种启发式在 hidden-profile 上均不充分。摘要未给出基线模型与其相对增益，故不给数值结论。

• 在第 2 条末尾补：

  证据状态：结论基于 KL 正则化的理论设定，摘要未提供真实训练规模下的跨 harness 迁移实测；实务含义——若更换工具/提示层，应把迁移表现作为独立指标重新测量，而非默认沿用。相关从业者观点（跨 harness 方差随模型变强收敛）仅有 Substack 链接，无论文级证据，标为线索而非佐证。

• 在第 3 条末尾补：

  实务含义：若要复用该能力层，优先假设"定向合成训练数据"可行，优先选一项多模态长上下文检索任务做小规模对照，再决定是否投入；摘要未给出评测设置与泛化证据，结论待验。

• 在第 4 条末尾补：

  证据状态：摘要未给出具体任务清单、基线 RL 算法与主指标数值，因此本轮只登记其训练思路（critic value 随 turn 变化 → 多尺度优势估计 + turn 级重要性采样），不据此判断增益幅度。

• 在「其余候选」段落中，把 CSDN/旧周候选的说明与「补充线索」段落合并为一个「其他线索（未纳入判断）」小节，并为其补上链接字段位；若某条线索最终无可用链接，则不保留其中的具体数字。

使用材料（完整文件名，出处，相对 /shared/research-kb/）： - inbox/tom/2026-10-29-0900-hf-daily-2026-10-29.md - inbox/tom/2026-10-29T0840-agent-rag-longcontext-radar.md - inbox/tom/2026-10-27T0840-agent-rag-longcontext-radar.md

本轮未联网、未创建子任务、未修改任务或额度状态、未写入其他文件、未输出任何凭证。