2026-07-04 周六精读与反方审稿汇总 · flyP

实例：flyP｜时点：2026-07-04 11:40 Asia/Shanghai（cron 034af2f3 触发 · 周六精读与反方审稿班次） 主题：本周高价值论文精读、反方审稿、复现风险分析 模式：周末长文·2 篇深度精读 + 1 篇反方审稿 关联：本汇总是 7-04 当日三份独立产出的合并索引 + 周维度决策表

0. 本周主题与选篇决策

• 今日主题：从 7-01 / 7-02 / 7-03 / 7-04 本周 flyP 自有 13 篇草稿中，按"机制级深度 + 反方对照价值"两条标准选 2-3 篇做精读 / 审稿。
• 候选池（按重要性排）： 1. SoK: Agentic RAG（2603.07379，7-03 短审稿） → 升格深度精读 2. ContextRL（2606.17053，7-03 短审稿） → 升格深度精读 3. MAVIN multishot audiovisual（2606.29473，7-02 下午 critical read） → 暂不升格（已有反方批判，工业味偏重） 4. AgenticRAGTracer（2602.19127，7-04 上午） → 与 SoK 联动，不重复升格 5. DiffusionBench / Orca（7-01） → 上周已读，本周不重复
• 最终选篇：
• 精读 1 = SoK: Agentic RAG（机制级 + POMDP 形式化）
• 精读 2 = ContextRL（机制级 + 数据效率归因）
• 反方审稿 = OPPO vs ContextRL 双侧对比（MLLM 后训练失败归因命题 A/B/C）

1. 三份产出概览

1.1 精读 1 · SoK: Agentic RAG（arXiv:2603.07379）

• 写入路径：/shared/research-kb/inbox/flyp/2026-07-04-deep-read-SoK-Agentic-RAG.md（8.6KB）
• 核心动作：把 7-03 短审稿升格到机制级深度。
• POMDP 形式化展开（五元组映射 / 三个隐含假设 / 可证伪接口）
• 四维架构分类（planning / retrieval / memory / tool）+ 维度投影工具
• 四类系统性风险（hallucination / memory poisoning / retrieval misalignment / tool-execution）↔ 可观察信号清单
• 三源对照：SoK ↔ Microsoft AgenticRAG (2605.05538) ↔ AgenticRAGTracer (2602.19127) 一致信号 3 条 + 张力 3 条
• 关键缺口：POMDP closed-form 性质 + 风险 ↔ 可观察信号映射 + 与 Tracer/Microsoft 三源对照。

1.2 精读 2 · ContextRL（arXiv:2606.17053）

• 写入路径：/shared/research-kb/inbox/flyp/2026-07-04-deep-read-ContextRL.md（7.4KB）
• 核心动作：把 7-03 短审稿升格到机制级 + 跨主线对照。
• 目标函数机制级拆解（GRPO baseline + context 选择辅助奖励 + 总目标 + 梯度流分析）
• 与标准 DPO 的差异（偏好对象从 answer 维度搬到 context 维度）
• 跨域一致性归因（同源 vs 异源假设，可信度从 ⭐⭐⭐⭐ 降到 ⭐⭐⭐）
• 与同主线四源工作对照（MMProLong / SPEC-RL / InftyThink / RLVR-Rubric）
• 关键缺口：$\lambda$ 退火协议 + "高相似 context" 阈值 + 跨域反事实实验。

1.3 反方审稿 · OPPO vs ContextRL

• 写入路径：/shared/research-kb/inbox/flyp/2026-07-04-counter-review-OPPO-vs-ContextRL.md（6.6KB）
• 核心动作：把两篇 MLLM 后训练工作的"失败归因"做反方对照。
• 命题 A：MLLM 失败是否存在"双层归因"（OPPO 归 policy-level distrust，ContextRL 归 evidence sensitivity 不足）？
• 命题 B：跨域一致性来自"目标设计"还是"数据构造"？
• 命题 C：attention prior（OPPO）vs context 选择（ContextRL）哪一层更根本？
• 给出 10 个审稿人问题（OPPO 5 个 + ContextRL 5 个）
• 给出 flyP 决策表 + 后续 PoC 优先级（ContextRL 先做）

2. 必读 3 篇汇总

3. 高价值技术文章（对照）

• 与本周产出的对照：
• OPPO（7-02 critical read）↔ 反方审稿命题 C 的 OPPO 侧
• ContextRL（7-03 critical read）↔ 深读 + 反方审稿的核心对象
• MAVIN（7-02 critical read）→ 暂未升格，但其"工业三件套"批判值得后续单独成 review
• AgenticRAGTracer（7-04 morning）→ 与 SoK 形成"诊断基准 ↔ 学术框架"对照
• AgenticRAG Microsoft（6-26 草稿）→ 与 SoK 形成"企业模式 ↔ 学术 SoK"对照

4. 分类标签

• 主线：agentic-RAG SoK POMDP formalization security
• 主线：multimodal RL DPO preference-alignment context-grounding
• 反方：counter-review failure-attribution reproducibility
• 跨域：cross-domain long-context multimodal-RL agentic-multimodal

5. 是否建议精读 / 反方审稿 / 主题页更新

6. 建议写入路径（GitHub-ready，待同步任务处理）

• 主题页：
• notes/agentic-rag/2026-SoK-Agentic-RAG-framework.md（承接 SoK 深读）
• notes/agentic-rag/security-mapping.md（承接 SoK 风险 ↔ 信号映射）
• notes/rl-post-training/intermediate-reward-design.md（承接 ContextRL 深读）
• notes/multimodal/post-training-failure-attribution.md（承接反方审稿）
• Review：
• reviews/2026-07-SoK-Agentic-RAG-deep-read.md
• reviews/2026-07-ContextRL-deep-read.md
• reviews/2026-07-OPPO-vs-ContextRL-counter-review.md

7. 复现风险分析

8. 待人工确认的问题

1. SoK POMDP closed-form：是否需要人工拉 PDF §4 核状态 / 动作 / 观测 / 奖励的具体定义？这一项决定 SoK 是"叙事级框架"还是"可证伪框架"。
2. ContextRL $\lambda$ 退火：是否在下一班次做最小 PoC 验证？需要 4×H100 算力 + 1-2 天时间预算。
3. OPPO vs ContextRL 叠加实验：是否值得作为内部 follow-up 立项？需要 2-3 周 PoC + head-to-head 报告。
4. MAVIN 是否值得升格 review：等 7-04 ~ 7-11 看是否出现 v2 / 补充材料。
5. flyP 反思方法论退役（7-03 Interconnects RSS v3 自设）：本轮班次严格遵守"反思只是动作应答记录，不承诺清单"——本轮做了 3 件事（深读 SoK + 深读 ContextRL + 反方审稿 OPPO vs ContextRL），不承诺"清理 6-29 .bak 备份"。

9. 实际写入路径汇总

• 本轮实际写入（本班次 4 个文件）：
• /shared/research-kb/inbox/flyp/2026-07-04-deep-read-SoK-Agentic-RAG.md
• /shared/research-kb/inbox/flyp/2026-07-04-deep-read-ContextRL.md
• /shared/research-kb/inbox/flyp/2026-07-04-counter-review-OPPO-vs-ContextRL.md
• /shared/research-kb/inbox/flyp/2026-07-04-weekly-digest-saturday.md（本文件）
• 配合本周已读文件（07-01 ~ 07-04 共 18 篇草稿）：
• /shared/research-kb/inbox/flyp/2026-07-01-multimodal-weekly-candidates.md
• /shared/research-kb/inbox/flyp/2026-07-01-0950-DiffusionBench-Orca-critical-read.md
• /shared/research-kb/inbox/flyp/2026-07-01-DeLM-decentralized-mas-shared-context.md
• /shared/research-kb/inbox/flyp/2026-07-01-LLM-serving-math-opt-position.md
• /shared/research-kb/inbox/flyp/2026-07-01-2250-substack-aieval-digest-april-2026-critical-read.md
• /shared/research-kb/inbox/flyp/2026-07-02-0950-context-rot-long-horizon-search-critical-read.md
• /shared/research-kb/inbox/flyp/2026-07-02-MAVIN-multishot-audiovisual-critical-read.md
• /shared/research-kb/inbox/flyp/2026-07-02-OPPO-multimodal-hallucination-evidence-aware-preference-critical-read.md
• /shared/research-kb/inbox/flyp/2026-07-03-ContextRL-context-aware-RL-agentic-multimodal.md
• /shared/research-kb/inbox/flyp/2026-07-03-MMProLong-关联性更新-ContextRL.md
• /shared/research-kb/inbox/flyp/2026-07-03-SoK-Agentic-RAG-short-review.md
• /shared/research-kb/inbox/flyp/2026-07-03-BRIDGE-multimodal-multihop-bench-short-review.md
• /shared/research-kb/inbox/flyp/2026-07-03-agentic-image-and-verifier-review.md
• /shared/research-kb/inbox/flyp/2026-07-04-1000-rss-cameron-wolfe.md
• /shared/research-kb/inbox/flyp/2026-07-04-1002-rss-interconnects.md
• /shared/research-kb/inbox/flyp/2026-07-04-morning-read-AgenticRAGTracer-hop-aware-benchmark-critical.md
• /shared/research-kb/inbox/flyp/2026-07-04-morning-read-Seeker-text-to-pixel-longcontext-MLLM.md
• 未执行 git commit / git push / gh pr 等任何 GitHub 写入。
• 未写入其他实例目录（jay / spark / stephen / tom）、/shared/research-kb/review/、/shared/research-kb/published/。

10. 与 flyP 反思方法论退役（7-03 自设）的对账

• 7-03 反思规则： 1. 不再自设 deadline 2. 只在被外部 cron 询问时被动应答 3. 不再有 P0 列表 4. 反思长度上限 8KB 5. 跨主题串联 / 元层自审 / 历次反思对照等美化段落全部砍掉
• 本班次对账：
• ✅ 本文件不包含 P0 / deadline 承诺
• ✅ 不写"下次一定"等修辞
• ✅ 不写"反思失约规律"等元层段落
• ✅ 本轮做了 3 件事（SoK 深读 + ContextRL 深读 + OPPO vs ContextRL 反方审稿）+ 1 个汇总
• ✅ 本班次不清理 6-29 .bak 备份（因为清理承诺已 3 天 0 兑现，遵循 v3 退役规则）