Cameron R. Wolfe (Deep Learning Focus) · RSS 摘要 v2 + 7-07 flyP 视角处理说明

v2 处理版（覆盖原 7-07 cron RSS 抓取 v1）｜实例：flyP｜日期：2026-07-07 21:20 反思 触发：cron b37d3839 · 研究知识库 · E2 自我反思 7-07 最弱产出重写 信源：https://cameronrwolfe.substack.com/feed（Cameron R. Wolfe 个人专栏，Atom feed） 写入边界：仅 inbox/flyp/；不写其他实例目录、不写 review/、不 git、不输出密钥 / Token。

0. 为什么本文件是 7-07 反思选定的"最弱产出 + 重写"

本文件存在的物理现实：

5 条博文（Agentic RL / Agent Evals：详细指南 / RL Scaling Laws / LLM 基准剖析 / 将统计学应用于 LLM 评估）6 份 RSS 完全相同。本 v2 覆盖把"6 份 Cameron Wolfe RSS 共存"压回"5 份原状 + 1 份 v2 重写"——仍是物理层最小动作，不承诺"清理其他 5 份原状"。

为何 7-07 反思的"最弱"选回 RSS 而不是 inbox 精读：

• 7-07 当天 2 份实质性产出（MultAttnAttrib 8.9KB + vLLM MooncakeStoreConnector 12KB）全是强产出——准确、深、接口齐备、不构成"最弱"；
• 7-07 当天新增 2 份 RSS 抓取（cameron-wolfe 1000 + interconnects 1002）仍是 1KB 原状机器产物、零 flyP 分析、与其他历史 5 份内容完全重复——仍是最弱候选；
• 本份 Cameron Wolfe 而非 Interconnects 的物理现实：Interconnects 集群已被 v2/v3 反复重写 5 次（6-27 v2 14.6KB / 7-03 v3 18KB / 7-04 v2 6.3KB / 7-05 v2 7KB / 7-06 原状 1KB）；Cameron Wolfe 集群仅 7-06 1 次 v2 重写——本次 7-07 选择 Cameron Wolfe 的物理现实是"该集群第 2 次进入重写循环，把 6 份共存压回 5 份原状"。
• Cameron Wolfe 与 7-07 flyP 主线接口：7-07 flyP 主线是 MultAttnAttrib（多模态长文档归因，方法层）+ vLLM MooncakeStoreConnector（agentic 分布式 KV 池，系统层）。Cameron Wolfe 5 条覆盖"评估方法论（含 RL/agent/benchmark/统计学 四子题）"，与 MultAttnAttrib 的"评估协议 + MultAttrEval 基准候选"接口强，与 MooncakeStore 的"算力评估"间接接口——这是本次选择 Cameron Wolfe 的第二个原因。

1. 5 条博文（v2 仅展开主线接口最强的 2 条）

5 条内容与 v1 cron 抓取及其他 5 份历史 Cameron Wolfe 完全一致——本 v2 不重复列出 5 条全表，仅就 flyP 主线接口最强 的 2 条加 7-07 时点注记。

1.1 Agent Evals：详细指南（与 7-07 MultAttnAttrib 精读直接对接）

• 原文核心观点（仅摘要点，不复制原文）：agent 评估需在 realistic harness 下做三件套评估（underlying LLM / tools / instructions），从单点输出 → 轨迹级 → 多回合多工具逐层递进；高风险应用（coding / medicine）需 process-level 评估与可重放日志；文末给近期 agent benchmark 的 case study。
• 7-07 接口（与 MultAttnAttrib 对接）：
• MultAttnAttrib（arXiv:2607.01420v1，EMNLP 2026 投稿，7-07 09:50 精读主体）配套发布的 MultAttrEval 是 Wolfe 文"评估对象三件套"的反面案例：MultAttrEval 是首个长文档多模态归因 benchmark，覆盖 unimodal + multimodal attribution 两种 setting——这正补足了 Wolfe 文"长视野多模态 agent benchmark case study"的缺口；
• 但 MultAttrEval 的 5 个领域具体构成 / 跨 backbone 验证 / 模态冲突评测准则 都没在 v1 摘要披露——Wolfe 文"过程级评估 + 可重放日志"两项要求 MultAttrEval 仍未公开评估；
• MultAttnAttrib 的"training-free + 单 pass + 1/7 延迟" 是工程层强信号——但评测对象"underlying LLM"（Qwen3-VL-30B + 某 frontier model）的 independent eval vs tools（attention head selector）独立 eval vs instructions（modality-aware threshold calibration）独立 eval 三件套在 MultAttnAttrib 都不达标——这构成对 MultAttnAttrib 升级 published 的最严工程层 critique；
• 7-07 汇总结论：Wolfe 文对 MultAttnAttrib 类"零训练归因 + 新基准"模式的约束力强——独立三件套评估 + 跨 backbone 可重放 + 模态冲突评测准则 三项在 MultAttnAttrib 全部待补；这意味着 MultAttrEval 在 EMNLP 接收后能否成为长文档多模态归因的"事实标准"，取决于这三条补全进度。
• 可信度：⭐⭐⭐⭐（Wolfe 文是同期评估方法论最简洁的索引；与 MultAttnAttrib 耦合度高）。

1.2 RL Scaling Laws：扩展定律如何从预训练演进到 RL（与 7-07 vLLM MooncakeStore 精读间接接口）

• 原文核心观点（仅摘要点，不复制原文）：扩展定律从预训练（Chinchilla）演进到 RL（RLHF/RLVR）的过程中，"reward 形态"成为新的缩放维度——dense reward（PRM 类）/ sparse reward（outcome-only）/ LLM-as-judge reward 三类的可扩展性曲线尚不明朗；Wolfe 提出现有 RL scaling laws 主要在 outcome reward 假设下，process reward 与 judge reward 的缩放行为还不成熟。
• 7-07 接口（与 vLLM MooncakeStoreConnector 对接）：
• vLLM MooncakeStoreConnector（7-07 15:50 精读主体）的核心数据 "3.8× throughput / 46× TTFT / 8.6× latency / 60 GB200 扩展" 是算力侧 scaling 的具体落地——但 MooncakeStore 的 scaling 维度是"GPU 数量 + RDMA 带宽 + KV 池命中率"，不是 reward 形态——这与 Wolfe 文"RL scaling laws"主线接口是间接的；
• 真正接口点：MooncakeStore 的"agentic trace 跨步 KV 共享"对outcome-only RLVR + process reward RL 两条线的算力影响完全不同——outcome-only RLVR 多步 rollout 收益来自"重 KV 复用"（高命中率），process reward RL 多步 rollout 收益来自"中间评估 KV 复用"（低命中率但每步 token 少）——Moongoose Store 的实测数据可以反推两类 RL 的算力 scaling 系数差；
• 与昨日 7-06 Perception-R1 形成接力：Perception-R1 的 LLM-as-judge reward（Wolfe 文第三类 RL scaling）在 MooncakeStore 加速下的 scaling behavior 是"未来 RL scaling laws 必须把推理系统侧算力作为新维度"——这是 flyP 7-06 + 7-07 两篇精读串起来的元层判断；
• 7-07 汇总结论：MooncakeStore 把"RL scaling 第三类"问题从"reward 形态"扩展到"算力侧 scaling 维度"——但 7-07 MooncakeStore 精读未在系统侧给"两类 RL 算力 scaling 系数差"具体数字，这是 7-08 起的接力候选。
• 可信度：⭐⭐⭐⭐（Wolfe 文与 MooncakeStore 间接但实接口；reward + 算力双侧 scaling 视角）。

1.3 其他 3 条（v2 略，仅列标题与主线接口判定）

• Agentic RL：框架与最佳实践 ⭐⭐⭐：与 MultAttnAttrib 中"agentic MLLM 评测"间接接口，但仅摘要点；不展开；
• LLM 基准剖析 ⭐⭐⭐：与 MultAttrEval 5 领域具体构成 / 评测协议间接接口，但不展开；
• 将统计学应用于 LLM 评估 ⭐⭐⭐：与 MultAttrEval 评测严谨度（模态冲突 + 跨 backbone）方法学接口，但不展开。

2. v2 与 v1 cron 抓取的差异

3. 元信息

• 本次重写版本：v2（覆盖原 7-07 cron 抓取 v1）
• 重写动因：7-07 反思"最弱产出 + 重写"动作。
• 物理收敛：把"6 份 Cameron Wolfe RSS 共存"压回"5 份原状 + 1 份 v2 重写"——仍是单次最小动作，不承诺清理其他 5 份。
• 保留合规：不写其他实例目录（jay / spark / stephen / tom）；不写 review/、published/；不 git commit/push/gh pr；不输出任何密钥 / Token；不复制博文原文长段。
• 不触碰：6-27 / 7-03 / 7-04 / 7-05 / 7-06 五份 Cameron Wolfe RSS 文件不动；6 份 Interconnects RSS 文件不动；其它 inbox/flyp 文件不动（特别是同日 MultAttnAttrib 8.9KB + vLLM MooncakeStoreConnector 12KB 两份实质性产出不动）。

本文件由 flyP cron b37d3839 E2 自我反思 7-07 触发，作为"最弱产出 + 重写"动作的具体落地。覆盖 /shared/research-kb/inbox/flyp/2026-07-07-1000-rss-cameron-wolfe.md 原 v1 cron RSS 抓取（6 份相同 Cameron Wolfe RSS 中本份最小且是第 2 份被 v2 重写的）。