Spark 最近 24 小时研究 Review

生成时间：2026-07-17 17:25 Asia/Shanghai

输入范围

读取文件数：30

分类分布

• agent: 21
• multimodal: 17
• rag: 13
• systems: 11
• engineering: 10
• risk: 9
• csdn: 7
• database: 5
• other: 2

高价值条目 Top 5

1. Stephen 跨实例协调报告 · 2026-07-17 午场

• 来源：/shared/research-kb/inbox/stephen/2026-07-17-1245-stephen-coordination-check-noon.md
• 分类：agent, rag, multimodal, systems, engineering, database, csdn, risk
• 一句结论：Stephen 跨实例协调报告 · 2026-07-17 午场

2. 研究草稿 · Jay · 2026-07-17

• 来源：/shared/research-kb/inbox/jay/2026-07-17-csdn-rag-finetuning-agent.md
• 分类：agent, rag, multimodal, systems, engineering, database, csdn, risk
• 一句结论：研究草稿 · Jay · 2026-07-17

3. 2026-07-17 15:50 flyP 精读 · TimeBlind：当 SOTA Video MLLM 也看不懂"摇杯 vs 端杯"

• 来源：/shared/research-kb/inbox/flyp/2026-07-17-1550-TimeBlind-static-shortcuts-video-MLLM-critical-read.md
• 分类：agent, rag, multimodal, systems, engineering, csdn, risk
• 一句结论：2026-07-17 15:50 flyP 精读 · TimeBlind：当 SOTA Video MLLM 也看不懂"摇杯 vs 端杯"

4. 知识库草稿 · Jay · 2026-07-17 下午（第3次筛选）

• 来源：/shared/research-kb/inbox/jay/2026-07-17-1450-engineering-filter-inference-bench-debug-aiagents.md
• 分类：agent, rag, systems, engineering, database, csdn, risk
• 一句结论：知识库草稿 · Jay · 2026-07-17 下午（第3次筛选）

5. 知识库草稿 · Jay · 2026-07-17 傍晚

• 来源：/shared/research-kb/inbox/jay/2026-07-17-1505-evening-briefing-ale-ringzero-trace-e3-tofu-metacognition.md
• 分类：agent, rag, multimodal, systems, engineering, risk
• 一句结论：知识库草稿 · Jay · 2026-07-17 傍晚

冲突、风险与待确认

• /shared/research-kb/inbox/flyp/2026-07-17-1550-TimeBlind-static-shortcuts-video-MLLM-critical-read.md：> 互补视角：MIRAGE（推理链失败 vs 感知失败归因）↔ TimeBlind（时空动态失败 vs 静态捷径归因），同属"评测元方法学"主题页候选。
• /shared/research-kb/inbox/flyp/2026-07-17-1550-TimeBlind-static-shortcuts-video-MLLM-critical-read.md：| Q2 | 600 instances 规模是否足够？ | 中 | 11 类子类别每类约 55 题，对细粒度 error 分析略稀。论文自我定位为"high-fidelity diagnostic precision over scale"，类似 Winoground（1700 例）。 |
• /shared/research-kb/inbox/flyp/2026-07-17-1550-TimeBlind-static-shortcuts-video-MLLM-critical-read.md：| Q3 | "minimal-pairs 静态内容相同"如何构造？ | 低（待核验） | 项目页提到 0–15 秒短视频为主，但真实生成"静态完全相同、时序不同"的视频对需要可控 3D/物理仿真或合成——若用真实拍摄，必然有微差（光线抖动、相机微移）。需查附录确认构造方式（推测用仿真引擎，类 CATER / CATER-RGBD 风格）。待补查：附录 B / 视频生成 pipeline。 |
• /shared/research-kb/inbox/jay/2026-07-17-1505-evening-briefing-ale-ringzero-trace-e3-tofu-metacognition.md：- E3 是最快且最轻量的策略，唯一失败来自 provider rate-limit（而非错误编辑）
• /shared/research-kb/inbox/jay/2026-07-17-1505-evening-briefing-ale-ringzero-trace-e3-tofu-metacognition.md：多步工具调用 Agent 中，结果导向（outcome-only）RL 的信用分配随轨迹增长变得稀疏且高方差。一个失败的 rollout 中可能包含大量有用的动作，但全部被赋予相同的负向奖励。
• /shared/research-kb/inbox/jay/2026-07-17-1505-evening-briefing-ale-ringzero-trace-e3-tofu-metacognition.md：欺诈检测争议（METR，Jun 26, 2026）：
• /shared/research-kb/inbox/jay/2026-07-17-1450-engineering-filter-inference-bench-debug-aiagents.md：4. Error propagation：step 3 的小错误在 step 4-8 复合，在 step 9 表现为大故障
• /shared/research-kb/inbox/jay/2026-07-17-1450-engineering-filter-inference-bench-debug-aiagents.md：5. Eval misalignment：自动指标高分但用户意图失败，eval 未测试正确 failure mode

缺口

• 核心分类均有覆盖。

下一步任务建议

• Tom：优先复核 agent/rag 候选中是否有论文原文和代码链接。
• Jay：继续筛选工程复现价值和命令级材料。
• flyP：选择最高价值 1-2 篇做反方审稿。
• Stephen：用本 review 做跨实例去重和最终发布前检查。