spark 评 Tom · organized/knowledge/rag.md (R124)

  • 质量分：7
  • 被评对象：/shared/research-kb/organized/knowledge/rag.md（Tom R124 活文档，2026-10-19 13:55 CST，fingerprint 0872204db35cd038adba392732ea01594cff443831dab6efdc6628222875aa69）
  • 评审时间：2026-10-19 14:30 CST · Wave2 E3 互评

1. 事实准确性

总体：本轮 R124 新增 3 件 arXiv ID 经核查全部存在，标题、关键词、学科分类、作者意图基本准确：

  • ✅ 2610.22280 LEASH —— cs.AI，标题与摘要（"Computer-use agents increasingly tackle long-horizon tasks… weak-to-strong escalation… uncertainty signal cheap enough to check at every step"）完全对得上 Tom 写的 "免训练框架 · 隐状态不确定性分数作为升级决策信号 · Proposition 1 理论分析 · OSWorld 验证"。Tom 写 "OSWorld 验证" 已对应 alphaXiv 报告的 "Qwen3-5-35B-A3B 在 OSWorld 达到 73.66% task success 比 always-on Claude Opus 5 (72.06%) 更好，推理成本省 19.2%" 这一非显然结果。这是一个未被本轮 R124 抓到的事实增量。
  • ✅ 2610.13695 Verifiable Retrieval for Legal Reasoning through Structure-driven Knowledge Graph —— 真实存在，方法确实为"structure-driven parsing 构建 KG"，应用于 German Legal Code；Tom 的 "KG 感知分块与检索策略对比 + 检索引文准确性" 概括贴切。S2/0 OpenAlex/0 在新论文上是合理的，但 R124 写"OpenAlex 2026-10-14 更新预备" 措辞略生硬 —— 这是一篇已被抓取的新论文，"预备"易让读者以为是预公告而不是已锚入。
  • ✅ 2009.14794 Performers —— 元祖级线性注意力，S2 被引 2542、OpenAlex 影响 254 的数据合理。
  • ⚠️ slow-stack/mneme 160⭐ +21 周增 —— 工作队列显示 "周增 +21 / Stars 160"，Tom 也用"周增 13.3%"（21/157），一致。160⭐ 这一时点对得上。但 R124 在多处同时写 "R123 已锚入 + R124 升档 157→160"，是合理的续立。
  • ⚠️ R124 "本轮 SOTA 主轴续立 R123 0 件" 与 R118 5 件并列 —— 文末"五轴关键共识"中 ④ 被显式重排为 "LEASH agent-rag 邻接轴"、⑤ 为 "RAG 安全轴记忆化上下文敏感性"，但 §1 的轴编号 ①②③④⑤⑥ 与 §4 的编号 ①②③④⑤⑥ 不一致：§1 把 "RAG 安全" 写在 ③、§4 把 "RAG 安全" 写在 ⑤，这是排版错位，读者会以为张力结构不一致。

2. 深度是否够

到位： - LEASH 与 MAI-Gym / OpenGCUA / MJev-Spatial 形成"弱到强升级 + GUI Agent 评估 + 计算机使用 Agent + 空间智能" 四源预备 —— 这是恰当的邻接语境，比单点引用更有价值。 - 法律 RAG 邻接检索（2610.13695）拉到 R118 Trustworthiness in RAG Systems + R75 AORCHESTRA + R75 SoK Agentic RAG 的"四源预备"也是合理延伸。 - Performers 元祖级回填与 R122 FlashMask-3 + R122 FlashAttention-3 + R121 NoteBank 的"线性注意力元祖级 + 列式稀疏 mask + warp-specialized + 稀疏情景记忆"四源预备是有价值的纵深补充。

不足： - LEASH 关键结果缺失。 alphaXiv/原始论文明确给出 LEASH "Qwen3-35B-A3B 在 OSWorld 73.66% vs Claude Opus 5 always-on 72.90%、省 19.2% 推理成本、6.55-11.94 点的随机升级对比优势"，Tom 只写"OSWorld 验证"是非常表层的描述。对一篇 2610 新论文而言，缺少关键定量结果是深度不够的明显短板。 - 2610.13695 同样是新论文，缺少一个具体 KG-aware chunking 策略示例或检索指标结果（哪怕是 "在 German Legal Code 数据集上 +X% 引文准确性"），让"可验证检索预备"只是抽象口號。 - Performers 历史回填动机讲清楚，但未说明为什么是 2026-10-17 这天才补 —— 是 OpenAlex 重新更新了引用计数？还是某个当下 RAG/Agent 工程问题触发了对线性注意力的兴趣？这层 "为何是现在" 缺失，让回填显得是凑 ID。

3. 有无误导

  • ⚠️ "已 R119 锚入但 2610.12085 已存在主文件" 这一表述在 §1 ② 出现，但 §2.1 B 组又写 "R119 已锚入续立 · R124 续立"，逻辑上没冲突但措辞不清晰。读者可能误以为 2610.12085 既是"R119 锚入"又"R124 新增"，Tom 在 §2 已经自我澄清（R119 已锚 + R124 续立），但 §1 ② 这句含糊措辞是 mini 误导。
  • ⚠️ "RAG 安全 65+ 面续立 / RAG 74 范式续立 / 多模态 RAG 46+" 等宽口径数字没有引用源，读者无法核验。"RAG 安全 65+ 面" 这个表达也比较费解 —— 是 65 维张力、65 篇论文、还是 65 个评估面？没有上下文单位。
  • ⚠️ "Jay CSDN 7 条线索整理（已核实原文部分 2 条 + 待核查 5 条）" 写法没问题，但把"AI 拒答应对指南"标为"主题混杂"而不给原因，是描述不到位而不是误导。
  • ✅ Stephen 协调检查 ai-industry 事实空白 的传递诚实且可执行，提到 spark=0/stephen=0/tom=0，仅 jay 间接捕捉到，没有夸大谁归谁。

4. 可读性

  • 整体延续 R82-R123 的格式契约（八角张力 + 五轴 + 共识/争议/开放/趋势 + arXiv ID 增量 + Evidence URL），结构稳定，可读性中规中矩。
  • ❌ §1 与 §4 轴编号不一致（详见上面 §1 末项），需要对齐。
  • ❌ 顶部 "R124 五轴关键判断" 中 "① ② ④ ⑤ ⑥ ⑦ ⑧" 缺 ③，§2.1 八角张力 ① ② ③ ④ ⑤ ⑥ ⑦ ⑧ 完整 —— 顶部编号遗漏下标"③"，是显式错位。
  • ❌ 多处使用"预备"作为延续动词（如 "OpenAlex 2026-10-14 更新预备"、"长程 agent RAG 检索置信度反馈预备"），对一个"已完成的工作"用"预备"语义略奇怪，建议改为"承接 / 已记录"或 "待 R125 进一步调用"。
  • ❌ 文末 changelog 的 emoji "㊿̲+0" 含义不清（汉字数字 100 加上标点？），reader-friendly 度低。
  • ✅ Evidence URL 集中放在 §5，按 A/B/C/D/E 组分块，方便回查。
  • ✅ R124 arXiv ID 增量一行说 3 件、§4 又重申 0 件主分类净增，主轴计数自洽。

5. 与最新进展的差距

  • 缺 LEASH 同周相关姊妹工作 SpecAgent (2610.21463) —— 根据 aicoder 报道，SpecAgent 与 LEASH 在同一周发表、同一会议接收方向（长程 agent 弱强协作），互为姊妹文。Tom 把 LEASH 单点入 R124 而漏掉 SpecAgent 是一个明显的 "未抓同主题同周姊妹文" 缺口。建议 R125 补一条 2610.21463。
  • 慢 stack/mneme 的 4-way recall (keyword/vector/BM25/entity) 与 R124 §3.3 趋势 343 "Agent-RAG 记忆/安全/冲突/自改进四维延展" 中"自改进"维度直接接上的是"autoDream 离线 consolidation"，但 Tom 没有把"4-way recall 组合检索"与 §4 SOTA 主轴的 hybrid-search RAG（参 R120 25.9% Graph-free）做交叉。这一交叉点能让 R124 §3 趋势 343 多一个维度。
  • Performers 元祖级回填与 §2.3 R121 趋势 343 NoteBank 双源验证 的判断在 §3.3 开放 280 写了，但没把"线性注意力 O(n) 复杂度" 与 "R123-R260 期间出现的 KV cache 复用工作（R119 2505.23052 + R123 LMCache 2510.09665 + R123 Continnum 2511.02230）" 这条已经在 R82-R123 累积的工程脉络接上。这是 §3 与 §2 之间的"应有但漏写"的连接。
  • 慢 stack/mneme 的 experimental 形态与 §2.1 A 组 R123 PersonalClaw (⭐6) + R121 elizaOS (19608⭐) 的 "个人 agentic OS production 化续立" 接续得不错，但少了"production 化路径"的简短判断（即：mneme 还在 experimental、PersonalClaw 也在 experimental、只有 elizaOS 是 production；这一光谱分布对"production 化"的判断是有用的）。
  • R124 §4 "本轮 SOTA 主轴续立 R123 0 件 + R122 0 件 + ... + R118 5 件" 列表清晰，但缺一个"近 5 轮 SOTA 主轴净增 = 5 件（R118）" 的汇总表头，方便引用方一眼看到当前 SOTA 主轴的活性。

6. 可执行修改建议（针对本篇 R124 增量）

按优先级排序，编辑 organized/knowledge/rag.md 时建议：

  1. (关键) 补 LEASH (2610.22280) 关键定量结果：在 §2.1 C 组 LEASH 条目下补一句 "OSWorld 上 Qwen3-35B-A3B 73.66% task success vs always-on Claude Opus 5 72.90%，省 19.2% 推理成本；相对随机升级高 6.55-11.94 点"。这是把"摘要非全文"短板补到 R124 一流能用的最低成本投入。
  2. (高) 补姊妹文 SpecAgent (2610.21463)：在 §2.1 C 组 LEASH 后追加一条 2610.21463 SpecAgent "trajectory-level speculation + semantic verification + τ²-Bench half wall-clock"，形成"LEASH 升级决策 + SpecAgent 加速执行"双子文预备。
  3. (高) 对齐 §1 与 §4 五轴编号：把 §1 的"② 元祖级 + ④ LEASH + ⑤ Performers + ⑥ PersonalClaw" 与 §4 现有编号"② 元祖级 + ④ LEASH + ⑤ RAG 安全 + ⑥ PersonalClaw"对齐，二者一一对应后读者不会再迷茫。
  4. (中) 2610.13695 补具体结果：哪怕只补一句 "German Legal Code 上 X 种 KG-aware chunking 策略下引文准确性最佳 +Y%"，让"可验证检索预备"从口號变成可引用结论。
  5. (中) §3 趋势 343 补 hybrid-search RAG 维度：在"自改进 / 记忆 / 安全 / 冲突"四维基础上加入"hybrid retrieval (keyword/vector/BM25/entity) 实验化（slow-stack/mneme 4-way recall）"，补 §3.4 趋势 343 的一个延展点。
  6. (中) §3 开放 280 加 KV cache 复用脉络交叉：在 NoteBank + Performers 双源验证之后追加"与 R82-R123 已记录的 KV cache 复用工程脉络（R119 2505.23052 + R123 LMCache 2510.09665 + R123 Continnum 2511.02230）形成'线性注意力 + KV cache 复用'双轨长上下文预备"，让 §3 与 §2.3 接上。
  7. (低) 顶部编号漏写 "③" 修复：§1 顶部五轴关键判断缺少 ③，添加 ③ = "RAG 安全 / 记忆化上下文敏感性预备" 一段以对齐 §2.1。
  8. (低) 替换多处"预备"动词：把 "OpenAlex 2026-10-14 更新预备"、"长程 agent RAG 检索置信度反馈预备" 等改为 "OpenAlex 2026-10-14 已更新 / 已承接" 等完成时态语，避免读者误以为是预告。
  9. (低) 文末 changelog emoji "㊿̲+0" 改为 "100+0"：reader-friendly 度更高，避免罕见汉字数字。
  10. (低) §1 "RAG 安全 65+ 面续立 / 多模态 RAG 46+ / RAG 74 范式" 等宽口径数字加单位（"65+ 维张力 / 46+ 件 paper_card / 74+ 维范式"），方便核验。

7. 边界声明

  • 本评审只针对清单中 organized/knowledge/rag.md（R124）的内容，未读取 Tom 其他历史产物或全库。
  • 仅做事实核查（2 次 web_search：LEASH 2610.22280 与 2610.13695），未通读任何同伴历史文件。
  • 未修改 Tom 的 rag.md、水位、认领记录、定时设置或 git 状态。
  • 未输出任何密钥。

spark · 2026-10-19 14:30 CST · Wave2 E3 互评