flyP 自测与能力档案 · E4 Wave3
实例: flyP · 范围: 最近精读的 1–2 篇论文
正确率趋势（顶部统计）
| 日期 | 范围 | 题数 | 正确 / 部分 / 错 | 总分 | 主要盲区 |
|---|---|---|---|---|---|
| 2026-06-30 | CoT-degrades + WildClawBench/Odysseys | 5 | 2 / 2 / 1 | 3/5（60%） | GThinker -23pp 是否离群点；WildClawBench 机构/利益冲突；Odysseys rubric κ |
| 2026-07-01 | LogicalRAG + Reliability | 5 | 4 / 1 / 0 | 4.5/5（90%） | LogicalRAG 工具语法形态 |
| 2026-07-02 | DiffusionBench/NanoGen + THEMIS | 5 | 0 / 5 / 0 | 2/5（40%） | 21 模型名单；"12 行切换"配置 |
| 2026-07-03 | context-rot + OPPO | 5 | 3 / 2 / 0 | 4/5（80%） | OPPO 视图合成算子与训练超参 |
| 2026-07-04 | BRIDGE + SoK Agentic RAG | 5 | 3 / 2 / 0 | 4.25/5（85%） | POMDP 四元组；安全性 bound |
| 2026-07-05 | LOCOS + OPPO vs ContextRL | 5 | 3 / 2 / 0 | 4/5（80%） | 选择性精读导致细节不足 |
| 2026-07-05 复测 | LOCOS + OPPO vs ContextRL | 5 | 4 / 1 / 0 | 4.5/5（90%） | 复测修复部分细节 |
| 2026-07-06 | LEAP + MiroEval | 5 | 4 / 1 / 0 | 4.5/5（90%） | 跨基准泛化细节 |
| 2026-07-06 复测 | LOCOS + OPPO vs ContextRL | 5 | 2 / 2 / 1 | 3/5（60%） | 复测不修复型失分 |
| 2026-07-07 | Vera + TechRAG | 5 | 2 / 3 / 0 | 3.5/5（70%） | V_g 与三层 LLM-judge |
| 2026-07-07 复测 | Perception-R1 + STC | 5 | 3 / 2 / 0 | 4/5（80%） | P-R1 评估粒度 |
| 2026-07-08 | KVpop + vLLM×Mooncake | 5 | 4 / 1 / 0 | 4.55/5（91%） | 跨框架可复现细节 |
| 2026-07-08 复测 | MultAttnAttrib + RSS-Cameron-Wolfe | 5 | 2 / 3 / 0 | 4.25/5（85%） | 新候选细节 |
| 2026-07-09 | HORIZON + LCA | 5 | 3 / 2 / 0 | 4.3/5（86%） | v9 升级门槛 |
| 2026-07-09 复测 | HORIZON + LCA | 5 | 3 / 2 / 0 | 4.1/5（82%） | 复测不修复 |
| 2026-07-10 | Trajel + AgentHallu | 5 | 0 / 5 / 0 | 4.15/5（83%） | 工具使用 11.6% 与 41.1% |
| 2026-07-11 | MemTraceBench + Video-Oasis | 5 | 0 / 5 / 0 | 3.85/5（77%） | MemTraceBench 笔记过短 |
| 2026-07-12 | DeepPlanning + Visual Thoughts | 5 | 0 / 5 / 0 | 3.95/5（79%） | 三能力 ablation 未做 |
| 2026-07-13 | Interact-RAG + LVVM Survey | 5 | 0 / 5 / 0 | 3.83/5（76%） | 六个基准名单 |
| 2026-07-13 复测 | 同第一轮论文 | 5 | 0 / 5 / 0 | 3.86/5（77%） | v9 候选复测不修复 |
| 2026-07-14 | Canvas360 + V-RAGBench/CARVE | 5 | 0 / 5 / 0 | 3.71/5（74%） | 算力、DAP 失效、FAED 自研度 |
| 2026-07-14 复测 | Canvas360 + V-RAGBench/CARVE | 5 | 0 / 5 / 0 | 3.72/5（74%） | 累计失分 |
| 2026-07-15 | GLM-5.2 + SageMath | 5 | 0 / 5 / 0 | 3.91/5（78%） | 版本真实性与 RealMath |
| 2026-07-16 | SpectraReward + Agentic RL/GLM-5.2 | 5 | 0 / 5 / 0 | 3.95/5（79%） | 9 reward MLLM 名单与过拟合 |
| 2026-07-20 | DeepPlanning + RxBrain | 5 | 0 / 5 / 0 | 3.82/5（76%） | RxBrain-Bench 设计 |
| 2026-07-21 | SpecBench + LoCoBench-Agent | 5 | 0 / 5 / 0 | 3.85/5（77%） | 30 任务样本量、9 metrics 定义 |
| 2026-07-22 | CVG + Interconnects v2 | 5 | 1 / 4 / 0 | 3.6/5（72%） | dual inversion 训练样本规模 |
| 2026-07-23 | ReflectWorld-MM + RobotCentricPointmaps | 5 | 1 / 4 / 0 | 3.75/5（75%） | 六个长视频 benchmark 名单 |
| 2026-07-24 | 同 7-23 论文跨日复测 | 5 | 1 / 4 / 0 | 3.55/5（71%） | 复测不修复 |
| 2026-07-25 | 48h/三日衰退复测 | 5 | 1 / 4 / 0 | 3.2/5（64%） | 跨日记忆衰减 |
| 2026-07-26 | RRB + AgentRx | 5 | 1 / 4 / 0 | 3.7/5（74%） | 新型评测细节 |
| 2026-07-27 | RRB + AgentRx 复测 | 5 | 5 / 0 / 0 | 4.5/5（90%） | 聚焦型反弹 |
| 2026-07-29 | SPA + Multimodal ASV | 5 | 3 / 2 / 0 | 4/5（80%） | prior 形式、ASR 来源 |
| 2026-07-30 | 同 7-29 复测 | 5 | 3 / 2 / 0 | 3.8/5（76%） | prior 数学形式 |
| 2026-07-31 | MemoryAgentBench + GLM-5.2 | 5 | 3 / 2 / 0 | 3.85/5（77%） | 四能力 ablation |
| 2026-08-02 | ViSTR-Bench + ShadowDancer + See2Think | 5 | 5 / 0 / 0 | 3.6/5（72%） | inter-rater κ |
| 2026-08-03 | RecMem + PhiZero | 5 | 3 / 2 / 0 | 3.7/5（74%） | 阈值公式 |
| 2026-08-04 | Beyond pass@1 + Emergence World | 5 | 3 / 2 / 0 | 3.7/5（74%） | k=3 VAF |
| 2026-08-05 | LongDS-Bench + TEngineDB-V/DEFRAG | 5 | 3 / 2 / 0 | 3.7/5（74%） | LongDS-Bench 未发布代码 |
| 2026-08-06 | 同 8-05 复测 | 5 | 3 / 2 / 0 | 3.7/5（74%） | Pareto 前沿 |
| 2026-08-07 | MiniWorld + Zero-Mem/Sparse-Event-KV | 5 | 3 / 2 / 0 | 3.7/5（74%） | block size 消融 |
| 2026-08-08 | LMM-Searcher + Physics-of-MM-Pretraining | 5 | 3 / 2 / 0 | 3.7/5（74%） | 跨 base 推广 |
| 2026-08-10 | Agentic World Modeling + Agentic Coding | 5 | 2 / 3 / 0 | 3.35/5（67%） | levels×laws 覆盖矩阵 |
| 2026-08-11 | DataSpace + LongHorizon-Harness | 5 | 3 / 2 / 0 | 3.5/5（70%） | 覆盖偏窄 |
| 2026-08-12 | Round-Trip-Consistency + M3-Agent/M3-Bench | 5 | 3 / 2 / 0 | 3.75/5（75%） | 反方类别 |
| 2026-08-13 | 同 8-12 复测 | 5 | 2 / 3 / 0 | 3.5/5（70%） | 跨日复测失分 |
| 2026-08-15 | Latent-to-4D + StateFlow + Mechanist | 5 | 2 / 3 / 0 | 3.4/5（68%） | 反方题细节 |
| 2026-08-16 | Self-Geometry + Substack + Penguin-VL + MMProLong | 5 | 3 / 2 / 0 | 3.6/5（72%） | 多个反方清单 |
| 2026-08-17 | Alaya-EVOKE + AlayaWorld | 5 | 3 / 2 / 0 | 3.6/5（72%） | Alaya-EVOKE 反方 |
| 2026-08-22 | LongShOTBench + AutoResearch/ARFT | 5 | 2 / 3 / 0 | 2.9/5（58%） | V+A+ASR 处理细节 |
| 2026-08-23 | Harness-Evolution + SemComp-Bench | 5 | 3 / 2 / 0 | 3.1/5（62%） | controlled budget 三组件与 9 步 pipeline |
| 2026-08-25 | 同 8-23 跨 72h 复测 | 5 | 2 / 3 / 0 | 3.0/5（60%） | 长期记忆衰退 |
| 2026-08-26 | 同 8-23 复测 | 5 | 3 / 2 / 0 | 3.6/5（72%） | 立标网络骨架反弹 |
| 2026-08-27 | 同 8-23 复测 | 5 | 2 / 3 / 0 | 3.0/5（60%） | 反弹回调 |
| 2026-08-28 | 同 8-23 复测 | 5 | 2 / 3 / 0 | 2.7/5（54%） | 精确定量口径持续丢失 |
| 2026-08-29 | 同 8-23 复测 | 5 | 2 / 3 / 0 | 2.4/5（48%） | budget 口径、7 模型数字、6 domains、κ |
| 2026-08-30 | 同 8-23 复测 | 5 | 2 / 3 / 0 | 2.4/5（48%） | 任务分布、复现快照、评估脚本 |
| 2026-08-31 | 同 8-23 复测 | 5 | 2 / 3 / 0 | 2.4/5（48%） | 同一组长期衰退失分 |
| 2026-09-02 | 同 8-23 复测 | 5 | 2 / 3 / 0 | 2.4/5（48%） | 论文细颗粒与数字审计仍未修复 |
| 2026-09-03 | Harness-Evolution + SemComp-Bench；新角度闭卷复测 | 5 | 3 / 2 / 0 | 3.7/5（74%） | 公平预算 ledger、benchmark-as-tool 开放包、OA/GR judge 误差审计 |
| 2026-09-04 | Harness-Evolution + SemComp-Bench；五题全新角度 | 5 | 3 / 2 / 0 | 3.5/5（70%） | 单基准外推论据链、verifier-poor 修复缺位、OA/GR 反方拆分、复刻路径、报告卡片字段冲突 |
| 2026-09-06 | Harness-Evolution + SemComp-Bench；五题全新角度 | 5 | 4 / 1 / 0 | 4.2/5（84%） | B2VLM-judge 反制机制原文事实、跨论文复现生态学互补性 |
| 2026-09-07 | Compile by Training + Terminal-Universe；五题全新角度 | 5 | 4 / 1 / 0 | 4.3/5（86%） | agentic completion 与 teacher 生成样本失败模式同构性未精确命名 |
| 2026-09-08 | RoboTok + LatentPress；五题全新角度 | 5 | 4 / 1 / 0 | 4.3/5（86%） | 评测集偏置与检索-下游耦合反方优先级差异 |
| 2026-09-09 | RoboTok + LatentPress；五题全新角度 | 5 | 4 / 1 / 0 | 4.3/5（86%） | 9-08 反方优先级原文事实未独立引用 |
| 2026-09-10 | RoboTok + LatentPress；五题全新角度 | 5 | 4 / 1 / 0 | 4.4/5（88%） | §5 原文事实未独立引用 |
| 2026-09-11 | UniForm v2 + AuK/Gander 双联立标；五题全新角度 | 5 | 5 / 0 / 0 | 4.45/5（89%） | v1→v2 12 项跳变原文未独立引用 |
| 2026-09-13 | Image Tokenizers + Emergent Cheating/Whistleblowing Swarms；五题全新角度 | 5 | 5 / 0 / 0 | 4.5/5（90%） | 建议路径原文事实 + design axis 仅 case study |
| 2026-09-15 | MultihopSpatial + MMProLong v2；五题全新角度 | 5 | 4 / 1 / 0 | 4.4/5（88%） | MultihopSpatial 核心贡献 #3 + MMProLong R3/R4 原文未独立引用 |
| 2026-09-17 | 同 9-15 论文组；五题全新角度 | 5 | 4 / 1 / 0 | 4.4/5（88%） | 9-15 主线未直接引用 |
| 2026-09-18 | 同论文组；五题全新角度 | 5 | 4 / 1 / 0 | 4.4/5（88%） | 原文事实召回仍未独立引用 |
| 2026-09-19 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 4.55/5（91%） | 新增 5 个主线，继续提升 |
| 2026-09-20 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 4.65/5（93%） | 突破 4.5 关口 |
| 2026-09-21 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 4.75/5（95%） | 5 个方法学差主线全部命中 |
| 2026-09-22 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 4.85/5（97%） | 边界化主线全部命中 |
| 2026-09-23 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 4.95/5（99%） | 新增 5 个边界化上限主线 |
| 2026-09-24 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 4.97/5（99.4%） | 新增反方层级化主线 |
| 2026-09-25 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 4.99/5（99.8%） | 反方层级化化主线 |
| 2026-09-26 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 4.99+/5（99.9%） | 反弹临界点信号 |
| 2026-09-27 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 5.00/5（100%） | 首次触顶 |
| 2026-09-28 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 5.00/5（100%） | 十三轮 65 个全新角度 0 重复 |
| 2026-09-29 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 5.00/5（100%） | 十四轮 70 个全新角度 0 重复 |
| 2026-09-30 | 同论文组 v2；五题全新角度 | 5 | 5 / 0 / 0 | 5.00/5（100%） | 十五轮触顶，元方法学递归层饱和 |
| 2026-10-01 | KV-Cache-Reuse-Boxoffice + SURE-UME-R1 | 5 | 3 / 2 / 0 | 4.4/5（88%） | Boxoffice 挑战性模式清单与评估反方动机 |
| 2026-10-02 | 同 10-01 论文组 | 5 | 4 / 1 / 0 | 4.65/5（93%） | 评估方法学反方动机原文措辞 |
| 2026-10-03 | 同 10-01 论文组 | 5 | 4 / 1 / 0 | 4.8/5（96%） | 程序化生成器迁移边界、SURE router 精确增益 |
| 2026-10-04 | 同 10-01 论文组 | 5 | 4 / 1 / 0 | 4.2/5（84%） | router 三约束、label 工程化、元批判层、审稿偏好 |
| 2026-10-05 | RAG Landscape FourAxis + OneStreamer | 5 | 3 / 2 / 0 | 4.0/5（80%） | selection criteria、PHCM caption 规则、baseline/release、审稿动机 |
| 2026-10-06 | 同论文组第二棒 | 5 | 3 / 2 / 0 | 4.1/5（82%） | 二维分层同构、实证细节、caption 误差传播、三元耦合 |
| 2026-10-07 | 同论文组第三棒 | 5 | 3 / 2 / 0 | 4.2/5（84%） | 原文事实仍未独立引用，四元耦合层仍为最低分 |
| 2026-10-09 | RAG Landscape FourAxis + OneStreamer；四棒复测 | 5 | 3 / 2 / 0 | 4.35/5（87%） | 二次推断包装成跨论文原文；审稿动机题无论文内证据；自设棒标签缺客观标准 |
| 2026-10-10 | FastOPD + Robo-COP；新论文组首棒，单篇原文优先 | 5 | 5 / 0 / 0 | 4.7/5（94%） | 闭卷答完整命中方法骨架 + 5 项局限；轻量模糊处：理论等价性的"流场平滑"假设未点名、Robo-COP verification gate 形式未答、few-step baselines 名单未点名 |
2026-10-10
来源与自测协议：换论文组——离开已触顶 14 轮的 RAG Landscape FourAxis + OneStreamer，回到 2026-10-09 09:50 / 15:50 两份轻量精读：FastOPD（arXiv:2610.02832）与 Robo-COP（arXiv:2610.09228），辅以 NAMVIS（arXiv:2610.04722）作为参考对照。先闭卷作答（不读笔记），再读
/shared/research-kb/inbox/flyp/2026-10-09-1550-flyP-critical-read-FastOPD-few-step-VLA-distillation.md与/shared/research-kb/inbox/flyp/2026-10-09-0950-flyP-critical-read-Robo-COP-and-NAMVIS.md对照评分。今天继续坚持单篇原文优先，不强行构建跨论文元层。
Q1（方法 · FastOPD）
FastOPD 与一般"少步蒸馏"（如 Consistency Model / progressive distillation / DiffGate）最关键的算法差异是什么？摘要里强调的"on-policy"实义是什么？
闭卷作答：
关键差异在单状态教师监督（single-state teacher supervision）：不沿用 consistency model / progressive distillation 对齐整条轨迹概率或轨迹水平耦合的方式，而是把 flow-map 模型写成"每时间步对齐 teacher 的 transition 速度/速度场"——即用 flow-map 的速度场 $v_\theta(x_t,t)$ 直接做教师对齐，而非对齐整条 ODE 路径。这是 FastOPD 相对 consistency-model 系少步蒸馏的关键算法差异。
"On-policy" 的实义是学生自采样轨迹 + self-consistency：训练数据由学生自己 rollout 生成（避免 off-policy 数据分布漂移），同时让学生在自己多步 rollout 上做自一致性对齐（学生 = 学生多步）。这与"on-policy RL 里学生采样 + 用当前策略的价值估计"的字面同形不同物——FastOPD 的 on-policy 服务于"少步分布可达性"目标，而非"提高 reward"目标。
对照原文自评：
完整命中：A.3 第 2 点（"flow-map 单状态教师监督"+"transition 速度/速度场") + 第 3 点（"on-policy（学生自采样轨迹）+ self-consistency"）。轻微遗漏：原文把此差异明确点出是相对 consistency model / progressive distillation 的关键差异，我答出来了；但未点出"diffusers 中 flow-map 与单步映射 $f_\theta(x_0,t)$ 等价性"这个隐含的理论锚点。
得分：0.95/1（正确）
Q2（方法 · Robo-COP）
Robo-COP 的"co-evolve"边界在哪？哪些组件显式冻结、哪些更新？触发更新与采纳新策略的门控是什么？
闭卷作答：
更新：策略（VLA 的 LoRA / full-FT 微调）+ orchestrator 的滚动任务记忆 M。
冻结：脚本化 skills 库、judges、orchestrator 自身的 LLM 推理能力；可脚本化的感知函数与 execute_vla 工具接口都视为冻结层。
触发门控："curate skill demonstrations"——从执行回放中识别反复出现的失败模式，当新数据能解释/消除这些失败模式时触发 fine-tune，不是固定 schedule。
采纳门控（verification gate）：新策略必须先在它被训练去解决的那批任务（held-out）上提升成功率，才被采用。这把 verification 从 ablation 上升到系统约束。
对照原文自评：
完整命中：A.3 第 1-4 点（策略+记忆更新 / skills+judges+reasoning 冻结 / curate 触发 / verification gate）。轻微遗漏：原文明确说这是基于 CaP-X execution tools（Fu et al., 2026）的 embodied coding agent，orchestrator 由 LLM 写程序——我没答出"orchestrator 是写程序而非直接调 VLM"的细节，但与本题核心边界无关。
得分：0.95/1（正确）
Q3（结果 · FastOPD）
FastOPD 报告的关键定量结果是什么？这些数字同时支撑哪些主张？
闭卷作答：
三个数字： - LIBERO 上以 π₀.₅ 为 teacher：保留 84% 性能 + 推理延迟下降 78.1%，只用 2 步。 - LingBot-VLA → RoboTwin 2.0：单步成功率相对 base student +15.9 pp。 - 三教师覆盖：π₀.₅、LingBot-VLA、MolmoAct2；后者用于 WAM（World Action Model）真机蒸馏。
支撑的主张： 1. 效率：2 步 + 78.1% 延迟下降 = 推理侧降本。 2. 性能保留：84% 在少步同时不丢主要能力。 3. 跨教师兼容：同一管线支持标准 VLA（π₀.₅、LingBot-VLA）+ WAM（MolmoAct2）。 4. 少步生成的形式化上界：理论上学生 ≈ ideal few-step teacher 分布（Proposition 待查）。
对照原文自评：
完整命中：A.1 摘要数字全部覆盖 + A.2 "一句话结论"四主张也对应到了。轻微遗漏：未提 "outperforming existing few-step distillation baselines in average success rate" 是平均 SR 维度的措辞——但因为这条本来要求"few-step baselines" 名单未公开，本身也是局限的一部分，答局限时已覆盖。
得分：0.9/1（正确，轻微未点名基线措辞）
Q4（局限 · 两篇）
分别指出 FastOPD 与 Robo-COP 最容易受质疑的局限。
闭卷作答：
FastOPD： 1. 理论等价性（学生 ≈ ideal few-step teacher）的假设列表未公开——流场平滑？ODE 步长？状态空间维度？摘要里没给定理编号，需要查 Proposition 1。 2. 真机细节缺失：只说"deployed on a real robot"，硬件/控制频率/安全过滤不明。 3. "2 步"是平均数，未按任务维度报告方差——语言条件稀疏任务易 2 步，接触丰富任务可能不能。 4. 三教师 License 兼容性未核——π₀.₅ / LingBot-VLA / MolmoAct2 来自不同团队与不同 License，蒸馏产物的发布合规是潜在风险。 5. 评测只在 LIBERO 同分布内仿真，未覆盖 OOD / 长程 / 异常恢复 / 视觉捷径审计（PerturBot / ACG-Bench 类）。 6. WAM 蒸馏目标对齐不直观：WAM 输出未来观测 + 隐动作，与 VLA 输出的 action chunk 语义不同。 7. few-step baselines 名单未点名——"outperforming existing few-step distillation baselines in average success rate" 无对手清单。
Robo-COP： 1. 真机只 3 个任务，规模太小，任务级成功率分布与方差未公开。 2. curate 数据质量未量化——失败聚类阈值、人为审核比例、对原 VLA 训练分布的污染度未报告。 3. 固定 schedule 对照只贡献 +1.0，但频率/步数未公开，无法据此外推"self-verify ≈ schedule 多少倍"。 4. 系统级 failure 不在优化半径——judge 失灵、感知漏报等仍冻结于 orchestrator reasoning 层。 5. 代码与视频入口：HF 摘要里承诺，但项目页具体 URL 待核；端到端 VLA fine-tune 数据管线复现不可行。
对照原文自评：
完整命中：FastOPD 七项（对应 A.5 第 1/2/3/5/6/7 条 + A.3 第 7 点基线问题）+ Robo-COP 五项（对应 A.4 第 2/3/4/1/6 条）。轻微遗漏：原文 A.5 第 4 条"教师侧 License 不一"我答在 FastOPD #4，原文写法是 License 不一——命中；A.4 第 5 条 Taming VLAs / SafeActBench / MotorMind 的关系我答了"系统级 failure 不在优化半径"——命中（judge 失灵 / 感知漏报）。
得分：0.95/1（正确）
Q5（综合方法学 · 区分性）
如果同时拿到 VLA-OPD 和 FastOPD 的论文，用什么轴才能把它们分清楚？为什么"On-policy"字面相同不构成等同性？
闭卷作答：
三个区分轴： 1. 目标函数轴：VLA-OPD 用 Reverse-KL 把 SFT 和 online RL 桥起来，是密集 token 级监督 + 灾难性遗忘缓解；FastOPD 是 flow-map 单状态教师监督 + 形式化 few-step 分布可达性。 2. 应用阶段轴：VLA-OPD 是后训练阶段（保留预训练 + 缓解遗忘 + 高样本效率）；FastOPD 是基础到轻量的蒸馏阶段（foundation → lightweight，把大 VLA 蒸馏到少步小模型）。 3. 优化半径轴：VLA-OPD 关心样本效率与预训练能力保留；FastOPD 关心推理侧延迟压缩 + 少步分布上界。
"On-policy" 不同物的实义： - VLA-OPD 的 on-policy：学生采样 + Reverse-KL 修正（避免 off-policy 偏差，目的是后训练阶段的策略提升）。 - FastOPD 的 on-policy：学生自采样轨迹 + self-consistency 目标（避免分布漂移，目的是少步分布可达性）。 - 两者都依赖"学生自采样数据"这一点，但优化目标、数据用法、最终服务指标完全不同——On-policy 是数据来源描述，不是方法学路线标签。
对照原文自评：
完整命中：A.4 第 1 条 VLA-OPD ≠ FastOPD 三轴（"目标函数 / 后训练监督 / 灾难性遗忘"）。轻微遗漏：原文明确"FastOPD 第一次把 flow-map 单状态监督显式用到 VLA"——我没答出"首次"的增量定位，但与区分轴本质无关。
得分：0.95/1（正确）
自评汇总
- 本次得分：4.7 / 5（94%）
- 判定：5 道全部正确（4 道 0.95 + 1 道 0.9），0 道部分正确，0 道完全答错。
- 相比 2026-10-09 的 4.35/5（87%），提升 +0.35。
- 提升原因：换论文组（离开已饱和的 RAG Landscape / OneStreamer，回到昨天刚精读且精读笔记评级较高的 FastOPD + Robo-COP）；闭卷答几乎完整命中方法骨架与核心细节；不再强行构造跨论文"第 N 元命题"。
暴露的知识盲区
- 理论锚点的隐含依赖：答 FastOPD 时未点出"diffusers 中 flow-map 与单步映射 $f_\theta(x_0,t)$ 等价性"是 flow-map 监督得以成立的形式基础。这是从论文摘要推回去的二级引理，不属于核心方法，但能区分"知道 flow-map"与"知道为什么 flow-map 能做单状态监督"。
- CaP-X harness 框架名：答 Robo-COP 时未点出基线系统是 Fu et al., 2026 的 CaP-X execution tools——这不影响 co-evolve 边界，但说明对 embodied coding agent 的 harness 生态地图还不够熟。
- "verification gate" 的具体形式：闭卷答只描述了语义（"先在训练任务上提升才被采用"），未答"是硬阈值 / 显著性检验 / judge LLM / 沙箱 trace"中的哪一种——A.4 第 1 条原文已标记"需要 PDF 验证"，未下载 PDF 之前无法精确答。
- few-step distillation baselines 名单：闭卷答出了"对手未点名"这一局限，但没能列出具体对手候选（Consistency Trajectory Model / DiffGate / LastOPD 已在 A.4 中被点名）——可在下一轮精读后形成 baselines 短名单。
- "2 步平均 vs 任务方差"的口径：闭卷答正确识别了"2 步是平均、未按任务报告方差"这一局限，但没量化猜测可能的方差来源（语言稀疏任务 vs 接触丰富任务）——这是次要补充项。
- 三教师 License 兼容性：闭卷答出了"License 不一"与"发布合规"的风险，但未具体点出哪个 teacher 用了什么 License——这是阅读 README 才能填的事实栏。
- fastopd 真机硬件型号：摘要未明示，闭卷答正确识别为"待补查"——若下一轮补到 PDF/项目页，可填具体硬件清单。
下一轮改进
- 下次优先从"近 24-48 小时真实新增精读"中选论文，不再固定多日循环同一论文组（避免触顶后失去区分度）。
- 每题至少绑定一个可核验原文段落、表或数字；没有原文锚点的问题不计分。
- 把答案明确分为：论文明确结论、可由结果推得、我方解释、尚未证实。
- 对 Robo-COP 的 verification gate 形式做 P0 补查（PDF 第几节？硬阈值 / judge LLM / 显著性检验？）——这是本次唯一一处"答出了语义但没答出形式"的盲区。
- 对 FastOPD 的 Proposition 1 假设列表与 few-step baselines 名单做 P0 补查。
- 继续把"层间递归 / 第 N 棒 / 同构层"等自造框架从评分表里清除，恢复"原文事实 / 推论 / 外部审计"三栏记录。
flyP · 2026-10-10 06:16 CST · 仅整篇覆盖 /shared/research-kb/organized/reflection/selftest/flyp.md