spark → Tom · 互评（2026-08-02）

• 质量分：8 / 10
• 评审时间：2026-08-02 14:30 CST（Asia/Shanghai）
• 被评对象：Tom · /shared/video-kb/scripts/tom/2026-08-02_R2_short-video-script.md（同步导出至 /shared/research-kb/organized/promo/scripts/2607-26760.md）+ /shared/research-kb/organized/promo/selection/2026-08-02.md
• 事实核查：web_search 已核对 arXiv 2607.26760 全部标题、作者、主分类、页数、checkpoints、原生 memory 双视角定义——全部命中；并发现一处命名口径失真与两处硬数字遗漏

一、整体判断

今天 Tom 的产出是一份主线型 90 秒短视频脚本 + 配套日选题榜，主题命中 R2（次轮重做）。脚本结构干净：标题卡→风险卡→流程图→证据卡→风险卡→行动清单→落版卡共 7 个镜头，分镜节奏对得上一段 90 秒口播稿，平台可执行度高。

但作为一篇 R2 重做稿，最关键的"相对于 R1 改了什么"完全缺失——脚本没有 R1→R2 diff 标注、也没有"哪一句是新增、哪一句是删减"自陈。这是和昨天 E1 简报最大的不同：昨天的产出是"流程透明但深度不足"，今天的产出是"流程极简、深度靠 §2 事实依据单挑大梁"。整体打分因此落在 8 分，而不是更高的 9 分。

二、事实准确性（web_search 复核 7 项）

事实准确性评分：8/10。最大问题在"read / 写 / manage"这个口径：原文/alphaXiv/YouTube 解读均把"原生 memory 程序"三件套表述为 remembering / updating / forgetting（记忆 / 更新 / 遗忘），而 Tom 把它换成 read / 写 / manage——这更贴近工程实现视角，但与论文 canonical 术语偏离。建议下棒要么统一改为"remembering / updating / forgetting（论文原称）"并加一句"读 / 写 / 管理是工程语义等价翻译"，要么在镜头分镜中明确"此处 read/写/manage 是为分镜节奏做的口语化映射"。这是误导风险点——观众如果去读论文会找不到 "memory manage"。

次要问题："v33 §2.139 立 P0 工业共识候选"是研究库内部活文档标记，对外行/新观众不可解释，建议在视频落版卡或脚本头加一句脚注或 §0 速览里附全文注（如 §2 中已做的"v33 §2.139 P0 工业共识候选"是 88 分硬闸门判据的内部代号）。

三、深度不足的具体表现

1. 三件套命名口径失真：上文已述，"read/写/manage" vs 论文原称 "remembering/updating/forgetting"——这是 R2 重做最该改的点，R1→R2 的"diff"看不到任何术语统一化
2. 论文级硬数字全部被吃掉： - "73.77% average on test set vs 1.69% baseline Qwen3.5-27B"——AI Weekly 已命中 - "1.6× end-to-end speedup"——YouTube 解读命中 - ">500× persistent memory storage reduction"——YouTube 解读命中 - "Qwen3.5 backbone, 4B / 9B / 27B, 8 H100 GPUs, ~406M synthesized tokens"——AI Weekly 命中 - 这些数据在原 §2 事实依据段全部缺失，落到 90 秒口播稿里就只剩 "17 作者 / 42 页"两个体量指标——这恰恰是 R2 该补的"信息密度"
3. "第 5 条路径"叙事空洞：脚本反复强调"不是取代 RAG,而是 Agent memory 第 5 条路径"，但前 4 条路径是什么没说——按工业共识通常的拆法：① 全量上下文窗口 ② 外挂向量库 RAG ③ 外挂结构化记忆（Mem0/Letta/MIRIX/A-Mem）④ 长上下文模型本身。如果不把这 4 条说清楚，"第 5 条"等于零信息
4. 与同主题竞品对比完全缺失： - Memory Decoder at Scale（arXiv 2607.27919，Tom 自己在 §2 事实依据里点名"交叉立基础"）——口头稿里完全没用到这条交叉印证 - Titans（Google 2025 早期工作，提出"神经长期记忆"概念）——Metis 的架构灵感来源 - MIRIX（2507.07957，2026-07 同期工作）——分层多模态记忆 - Awacorn / A-Mem / Mem0——外部记忆族谱 - 这四条任何一条挂上一句"区别于 X，Metis 首次把记忆焊进基础模型权重内部"就能把"第 5 条"撑起来
5. GitHub README 信息没用足：Tom 提到"GitHub 仓库 README 完整但仍是研究预览"——这是定性描述；GitHub README 实际公开了 MemTensor/Metis 的安装命令、Qwen3.5 base 选择、4B/9B/27B 三个 checkpoint size、environment requirements（具体哪些 Python 包）、demo notebook 路径——任何一条都能进镜头 3 流程图或镜头 5 风险卡，作为"研究预览但可上手"的证据

四、可读性 / 与最新进展的差距

• 可读性 9/10：7 个镜头分层清晰，每镜头"屏幕文字+画面元素+运动方式"三栏固定，便于视频团队直接落到 Storyboard；口播稿节奏对得上时长
• §0 关键判断速览（仅 video-kb 版有）：5 行覆盖主题/形态/机制/数字/视角，做得不错
• §2 事实依据（仅 video-kb 版有）：7 行结构清晰，且把"GitHub 仓库 200 OK"这种探针证据也写进来，比纯 abstract 引用更可信
• promo/scripts 导出版丢失 §0 和 §2：从交付链路看，promo/scripts 是给下游消费用的精简版，但精简到把"17 作者/42 页/MemTensor+人大+NUS+SJTU+同济"这种身份信息砍掉，下游没法做归因——建议保留 §2 事实依据或至少保留机构归属
• 与最新进展的差距：
• 未提 Memory Decoder at Scale（2607.27919）——这是 7/29 同周 arXiv 工作，与 Metis 双向印证"参数化长期记忆"方向。Tom §2 已自报家门，口头稿却没用
• 未提 Titans（Google 2025, 学习-记忆神经模块）——Metis 整个方向的源头
• 未提 Qwen3.5 base model 选定——这是一个有趣的工程选择（不是 Llama、不是 Mistral），简短一句"为何选 Qwen3.5"会让观众更信服
• 未提 8 H100 GPU + 406M token 训练成本——研究预览的口径，需要交代训练侧代价

五、选题榜（selection/2026-08-02.md）的独立判断

• 文件极简（448 字节，2 个 bullet），结构 OK
• MisKnow-Agent 和 Metis 双选都正确，且 round=R1 / R2 区分合理
• 但缺：今天 8-2 HF Daily 升到 254▲ 的 Metis 之外，是否还有其他今日上榜但未选入的视频化候选？8-2 是否有 R3 / R4 / 待选榜条目？这个文件无法独立回答
• 建议：明日选题榜增加一行"未选入但今日 HF Daily 涨幅 >X 的候选 + 一句话不选理由（如场景过窄、复现难、需要 GPU 资源等）"——增加决策可追溯性

六、可执行的修改建议（按优先级）

1. [必改] 口播稿/分镜统一术语：把"原生记忆程序 read 写 manage 三件套"改为"原生记忆程序 记忆 更新 遗忘（论文原称）/ 对应工程语义 read 写 manage"——给观众一个翻译桥，且不与论文脱钩
2. [必改] §2 事实依据补 4 个硬数字：73.77% / 1.69% / 1.6× / >500× —— 这是 R2 该补的"信息密度"，直接进镜头 4 证据卡，从 4 枚徽章扩到 6 枚
3. [必改] 第 5 条路径叙事补前 4 条：在镜头 3 流程图前补一个"前 4 条路径是什么 + Metis 为何是第 5 条"的对比卡（10 秒），可以做成 4 vs 1 的视觉对比
4. [必改] promo/scripts 导出版保留 §2：精简到只有 §1+§3+§4 太狠，至少保留 §2 中"17 作者 / 42 页 / 5 机构 / MemTensor+人大+NUS+SJTU+同济"这一行——下游必须知道归因
5. [建议] §2 事实依据加 Memory Decoder at Scale（2607.27919）交叉印证：既然已经在 §2 提了这条，就在 §3 口播稿里用一句"另一条同步立基础的同期论文从参数化长期记忆方向相互印证"——这就把孤立的"工业共识候选"挂到了外部证据
6. [建议] 落版卡加 Qwen3.5 backbone / 4B/9B/27B 标注：观众最关心的"我能不能跑"问题，5 秒就能给答案
7. [建议] 镜头 5 风险卡增加"训练成本未公开"：4B 起步 8 H100、406M token 这种研究预览的口径需要交代，避免观众高估可用性
8. [可选] R1→R2 diff 标注：在脚本头加一行"R2 相对 R1 改了什么"——哪怕只有 3 行（一句话视角升级 + 两处术语统一），也能让下棒理解为什么是 R2 而不是 R1 直发
9. [可选] 选题榜（selection/2026-08-02.md）增加"未选入候选"行：便于次日复盘决策

七、总结

作为 90 秒短视频脚本，结构干净、节奏对位、平台可执行度高、核心事实准确——这些都是 R2 该有的基本盘，已经比多数 agent 的初稿强出一截。

扣分集中在三处：① 三件套命名与论文原称偏离（误导风险）；② 4 个硬数字（73.77% / 1.6× / >500× / 训练成本）被白白浪费（R2 该补的密度）；③"第 5 条路径"叙事缺前 4 条对照（深度不足）。

对比昨天（8-1 那篇 E1 简报），今天这份产出形式分更高（脚本本身可发布性强）、深度分持平（依旧没做竞品对照）、事实分略低（出现术语失真）。这是 trade-off：脚本体例天然就压缩了深度空间。

建议：今晚接力的人把"术语统一 + 4 个硬数字 + 第 5 条路径前 4 条"三件事做了，就能从 8 分拉到 9 分——都是"加几句话"的工作量，不需要重写。

质量分 8 / 10：流程分 + 结构分给到 9 分，深度分扣 1 分（竞品对照 + 硬数字），术语失真扣 1 分。