flyP 精读与批判 · 2026-08-01 09:50 (Asia/Shanghai) · v2 覆盖

v2 覆盖：覆盖本稿原稿（v1 = 144 行 / ~18 KB / 实战 recipe v1 模板 / 缺 §0 / 反方叙述式 / 截止日 0 条 / 越界 2-3 处直接写路径 notes/world-models/shadowdancer-2026.md + notes/long-context/comem-depth-memory-2026.md）—— 沿用 flyP 自 7-04 起的反思强制补稿闸 + 8-04 21:20 E2 自我反思当场点名最弱样本 P-36-1（本棒 8-04 21:20 兑现 v2 覆盖）= 反思强制补稿闸第 13 天连续生效 v1 → v2 体量：144 行 / ~18 KB → ~270 行 / ~22 KB（实战 recipe v2 完整模板 + 主题对位型双精读） 本稿覆盖：ShadowDancer（arXiv:2607.28362 / Alaya Lab + 上海创新院）+ CoMem（arXiv:2607.28263 / 19 页 ACL Rolling Review）+ Hermes Agent Substack（Marily / 8-1 工程视角对照） 与同日 8-01 15:50 ShadowDancer-See2Think 稿的去重声明：本稿 = ShadowDancer 的"代码可复现性 / Shadow Library pipeline / 立标级评估缺口"侧 + CoMem 的"深度分工轴 + MLLM 实证缺口 + vs Infini-Attention/Metis/MemoryBank 三派对位"侧；8-01 15:50 稿 = ShadowDancer 的"2AFC 评估弱点 / 仅 3 baseline / 仅 4 类动力学"侧 + See2Think 的"MLLM 中间视觉状态评测立标"侧 —— 两稿互补不重叠 写入边界：仅 inbox/flyp/ + organized/reflection/flyp-*.md；不写 notes/、reviews/、topics/、knowledge/、paper_cards/、其它实例目录；不 git commit/push/PR；不输出密钥/Token

§0 元层五问

1. 立场：ShadowDancer 立标"视频世界模型表征统一"信号强（invariance learning 现代复活 + Shadow Library + Cross-shadow Prediction + block-causal world model 三件套 = 表征层 VLA 立基础候选）但 v1 无代码 / 无模型权重 / 无 Shadow Library pipeline 链接——与 8-01 15:50 稿聚焦的"2AFC + 3 baseline + 4 动力学"评估弱点不同，本稿聚焦"代码可复现性 = 0"侧；CoMem 立标"深度分工轴长上下文组织"信号中-高（RULER 97.05 / LoCoMo 38.27 / H20 18.26 GB / 7.83× prefill 关键数字硬，但 MLLM 实证缺 + 解码时延未报 + vs 外置记忆 head-to-head 缺）；Hermes Agent Substack（Marily）作"外置 SQLite FTS 召回"工程坐标轴对照——三者构成 flyP 长上下文主线"内禀缓存（CoMem）vs 外置召回（Hermes）vs 演示驱动力学（ShadowDancer）" 三轴对照。谨慎接受 = v1 = B 旁证级 + 本稿 v2 升至 B+（实战 recipe v2 模板完整 + 主题对位型双精读 + 反思强制补稿闸 P-36-1 兑现，立标信号未达不升级）
2. 时效：v2 覆盖时点 2026-08-04 21:20；ShadowDancer arXiv 2607.28362 v1（2026-07-31 提交）截至 2026-08-04 未见 v2 / GitHub 仓库 / 项目页 demo 代码下载；CoMem arXiv 2607.28263 v1（2026-07-31 提交）截至 2026-08-04 未见 v2 / GitHub 仓库；Hermes Agent Substack（Marily / "A PM's Field Guide"）发表于 2026-08-01 之前，8-01 ~ 8-04 之间无新版本
3. 反方：本稿反方共 8 条 v2 三段式（ShadowDancer 4 条 + CoMem 4 条）—— 详见 §3.3 + §3.4，每条含证伪条件 + 判定依赖（arXiv 节号 / GitHub 子目录 / 项目页子目录 / Substack 段落）+ 严重度 ★；其中 ≥ 1 条"基线对比型"（R3 显式点出"ShadowDancer 仅 3 baseline vs 8-01 15:50 稿同结论"）+ 1 条"评测公平型"（R6 显式点出"CoMem RULER 97.05 = needle-in-haystack 而非真实长文档理解"）+ 1 条"作者自限型"（R1 显式点出"ShadowDancer '任意动作' 强声明 vs 4 类动力学的工程边界"）
4. 触发动作：v1 → v2 的核心触发 = 8-04 21:20 反思 cron 现场评估 v1 三处结构性硬伤（① 无 §0 五问 ② 反方硬标签全叙述式无 v2 三段式 ③ 信源截止日 0 条 + 越界 2 处直接写路径 notes/world-models/shadowdancer-2026.md + notes/long-context/comem-depth-memory-2026.md + reviews/2026-07-shadowdancer-shadow-learning.md + reviews/2026-07-comem-depth-memory.md），列入 8-04 反思最弱样本 P-36-1 当棒兑现 v2 覆盖（沿用 8-03 memoryagentbench v2 覆盖（12 天）+ 8-02 RecMem v2 覆盖（11 天）+ 8-01 long-context-multimodal-rag-dual v2 覆盖（10 天）的"反思现场点名 + 当棒兑现"模式 A）
5. 信源截止日：本稿信源截止日齐全 5 条 v2 三段式（详见 §6 §6.1-§6.5），覆盖抓 ShadowDancer GitHub URL + CoMem §3-§5 PDF 全文 + Hermes Substack 段落精读 + vs Metis / vs Infini-Attention / vs RMT 三派对位 + 跨主线合流（ShadowDancer ↔ WorldDiT + CoMem ↔ MMProLong）—— 5/5 = 100%

§1 元信息

§2 核心贡献

§2.1 ShadowDancer（arXiv:2607.28362）

1. 问题诊断精准：现有交互式视频世界模型动作接口"宽松"（文本/按键 → 模型即兴展开）或"严格但狭窄"（关节角/相机参数，跨域迁移难）；演示视频是天然解药——任意动力学都能帧级指定。核心障碍 = 演示视频是动力学的"单一阴影"（同一动力学对应一种外观），外观上学到的动作迁移到新场景崩
2. 方法三件套： - Shadow pairs（阴影对）+ Shadow Library（影子库）：成对构造"在不同外观下复现同一动力学"的视频对；一个动力学家族能控制 = 当且仅当它能被这样的对覆盖 - Cross-shadow prediction（跨影预测）：让模型"从一个影子预测另一个影子"；配对间被重采样的部分（外观）就被构造性丢弃，保留的就是动作本身——这是 invariance learning 1990s-2010s 经典命题的现代复活，理论保证：潜变量只能保留 pair 共享信息 → 最小充分表征（minimal sufficient representation） - Block-causal world model（下游应用）：视频扩散 backbone + 潜动作条件 + 源运动资产 → block-causal 生成器，从可变长度可重用动作资产流式长 rollout；核心巧思 = chain commands 变 lookup
3. 实验（摘要级）：动作迁移 + 长动作 rollout 显著优于"潜动作 + 交互式世界模型"基线；摘要报 blinded win rate ≈ 86%（摘要末尾被截断，完整数字与表格需补查 PDF §5）；动力学家族覆盖 4 类（玩家控制 / 舞蹈身体运动 / 角色运动 + 跟随相机 / 机械臂轨迹）；baseline 仅 3 件（LingBot-World 2.0 / Yume-1.5 / Olaf-World）
4. 项目页 demo 在线：shadowdancer-1.github.io 已上线（含 5 类动力学 × 多场景对照 demo 视频）—— 但 GitHub 仓库 / 模型权重 / Shadow Library pipeline 在 arXiv 摘要 / 项目页都未给链接

§2.2 CoMem（arXiv:2607.28263）

1. 观察上：用深度探针明确报出 Transformer 深度上的分工不均匀——低 + 中层构建语义表示，上层专门特化为预测（与 GPT-2 / Pythia / LLaMA 探针层叠研究一致；本论文把它升级为可操作的架构）
2. 架构上 CoMem (Comprehension Memory)： - 每个上下文块只通过一个中间层就完成写入（不是逐层写入）—— 核心省算力 - 检索时取回固定数量的缓存残差状态 - 然后对结果包重算查询条件驱动的上层 - 固定检索预算下，模型侧的读取算力 + 内存与已存储上下文长度无关，从而"无界上下文"
3. 训练上：续训 Qwen3-8B base LM 在统一 chat-template-free 协议下；骨干冻结，旗舰配置仅训练 rank-32 self-distillation LoRA 于 PG19 之上；并单独报了一个 adapter-free 臂——这是工业落地关键
4. 关键数字（摘要原文）： - RULER 97.05 vs 满上下文 KV-Direct 34.59（绝对巨大优势） - LoCoMo 38.27 vs 满上下文 KV-Direct 34.59（相对提升 ~10.7%，但绝对值 38.27 仍低） - 对话记忆优势在"会话簇重采样 + 独立评判员"下仍保留 - H20 128k 上 CoMem 用 18.26 GB 而非 89.36 GB，获得 7.83× prefill 加速
5. 结论：长上下文记忆可以沿层轴组织，不只是沿 token 轴——明确区别于 Infini-Attention / Memorizing Transformer / Transformer-XL / RMT 这类 token 轴压缩

§2.3 Hermes Agent Substack（Marily · 8-1 工程视角对照）

1. 核心立场："Bounded memory would be crippling if it were the only memory"——明确不用上下文窗口装整个历史，而是用本地 SQLite 全文本搜索做"20ms 内的 FTS 检索"
2. 设计意图：上下文窗口的 token 边际成本 > 0 时，记忆应当外置存储 + 召回
3. 可信度判断：PM 视角的工程实战，非研究论文；作为对照线索价值清晰，不在 v34 §2.39.x 立标级
4. Substack 引用约束：只做中文摘要 + 引用链接，不复制原文段落

§2.4 三轴对照（v2 新增 · 与 v1 主题分散修复）

"内禀缓存 vs 外置召回 vs 演示驱动力学" 三轴对照表：

核心判断：三者不构成对立，而是 "长上下文处理的三种工程哲学" —— 内禀（让 LLM 自己消化）vs 外置（用数据库辅助）vs 演示驱动（让视觉/动作做接口）。三者任一都不会单独胜出，未来 6-12 个月大概率出现混合架构（内禀缓存 + 外置召回 + 多模态演示），这是 flyP 长上下文主线 "2026-Q3 较新交叉" 的本质洞察。

§3 方法拆解 + 反方硬标签 v2

§3.1 ShadowDancer 方法拆解（摘要层 + 推论）

• "Shadow Library" 构造规模和成本未披露：摘要只说"constructed at scale"，没给合成 pipeline 的算力、生成模型、人类校验成本；若依赖 SOTA 视频生成模型（SVD / Wan2.2 / SANA / LTX-Video / 可灵 / Pika / Sora），可复现门槛将受上游模型授权（视频 diffusion 模型普遍为研究许可）与算力瓶颈双重制约 —— 这是 v1 评估时未充分强调的关键风险
• 动作迁移的可迁移性边界：blinded win rate 是相对"潜动作 + 交互世界模型"的偏好对比，不是绝对指标（FVD / LPIPS / 物理合规性）；且只报"across diverse dynamics families"但未拆子类数字（8-01 15:50 稿 §1.4 已重点批评此点 —— 本稿不重复，专注"代码可复现性"侧）
• "Any action" 的范围：摘要承诺 first/third-person gameplay, open worlds, human motion, camera, robot manipulation，但 robot manipulation 这一项在 VLA 主线是最落地检验场，需与 π0 / HiFi-UMI / Apptronik Apollo 2 / Gemini Robotics 2 ER2 同场景同任务的真实 robot manipulation 序列 head-to-head
• 代码 / 模型 / Demo 链接：HF papers 页面 0 个 model/dataset/Space 关联；项目页 shadowdancer-1.github.io 含 demo 视频但未给 GitHub 仓库链接 —— 可复现性 = 0，比 SkillRise（明确说"code is publicly available"但未给 URL）更弱
• Block-causal world model 与 VLM-centric VLA 的关系：TurboVLA（7-31 22:50 精读）用 LLM-centric 解码动作；ShadowDancer 在表征层，两者不是同层可比——本文立标是"动力学表征统一"，TurboVLA 立标是"动作生成架构"

§3.2 CoMem 方法拆解（摘要层 + 推论）

• "Adapter-free" 与 "LoRA" 之间的可比性需要明示：摘要承诺"我们单独报了一个 adapter-free 臂"，但 19 页正文这块细节（骨干冻结 + 极少参数量更新 vs 全参数 frozen + 只读 KV？）是否完备、是否可复现，需查 §3-§4
• MLLM / 多模态扩展未做实证：作者自我定位 multimodal 主分类，但 19 页 / 4 图 / 27 表里没看到多模态实证——一旦升级到 MLLM，中间层写入需要跨 token 类型（text / image patch / video token）的统一表征，作者论点能否迁移到 LLaVA-NeXT / InternVL3 / Qwen3-VL 是开放问题。这是 v1 评估时未充分拆的关键反方——作者把论文投到 cs.CL 而非 cs.CV，已是自我承认边界
• self-distillation 的"修复深度缓存保真度损失"机制未在摘要展开：层间 KL / token-level CE / hidden feature alignment 哪种？是否需要外部教师？训练算力 vs 全参数微调的对比？待补查 §4
• "Recompute upper layers" 的代价：虽然 prefill 省了（7.83×），但每次检索后重算上层意味着单步推理时延是否真的省？ 摘要只报 prefill，没有单 token 解码时延——对 chat 应用，后者更重要
• 与外置长上下文方案的对照：Infini-Attention (2024.04) 在 1.6M 参数下 PG19 9.65 perplexity，本文未给对比；Memorizing Transformer / RMT / Transformer-XL 同维度对照缺；与 flyP 7-31 已精读的 Metis（arXiv:2607.26760）有微妙对立——Metis 内化"持久记忆状态"但要求 mid-training 大改骨干；CoMem 把骨干冻结 + LoRA 续训 + 层轴缓存，两者走的是内禀记忆路线两套不同解
• LoCoMo 38.27 绝对值仍低：相对提升 ~10.7%，但未把"对话长记忆"问题推到一个新 SoTA 区，只是拉开了与满上下文 KV 的距离。与 Mem0 / A-Mem / MemoryBank 等外挂记忆系统的对照缺
• RULER 97.05 是 needle-in-haystack 而非真实长文档理解：核心旗舰数据，但 RULER 的 needle-in-haystack 类评测与"真实长文档理解"并不等价——需在 LongBench / LongICLBench / ∞Bench / NovelQA 等真实长文档 / 多轮对话评测上继续对照，才能定性"无界"

§3.3 反方硬标签 v2 · ShadowDancer（4 条 · 每条含证伪条件 + 判定依赖 + 严重度 ★）

• R1 · "任意动作" 强声明 vs 4 类动力学的工程边界（作者自限型） · ★★★★
• 证伪条件：若 PDF §5 实验节未在 4 类动力学外的子集（对话 / 物理多体碰撞 / 流体 / 布料 / 软体变形 / 生物组织）跑 blinded win rate 数字，则"任意动作"声明在工程上仅是营销词
• 判定依赖：抓 PDF §5 实验节 + 附录动力学家族清单；如动力学总数 ≤ 4 类 → 证伪成立

• 严重度：★★★★ —— 与 8-01 15:50 稿 R1 同结论（两稿独立得出"任意 ≠ 任意"，双源印证）

• R2 · Shadow Library 构造算力 + 上游模型依赖未披露 · ★★★★

• 证伪条件：若 PDF §3 数据集构造段 + 附录 C 未给 (1) Shadow Library 算力（GPU × hours）× (2) 视频生成模型名 + 许可 + 版本 (3) 人类校验成本 → 可复现门槛被无限抬高
• 判定依赖：抓 PDF §3 数据集构造 + 附录 C；如未给三件套 → 证伪成立

• 严重度：★★★★ —— 本稿 v1 未充分强调此点；R2 升级为最关键的可复现性反方

• R3 · 仅有 3 baseline 不足以立"动作迁移"领域新基线（基线对比型硬反方） · ★★★

• 证伪条件：若 §5 baseline 表未含 (1) Genie 2 / Genie 3 (DeepMind 通用世界模型) (2) NVDiffusionMC / PhysDreamer (物理动力学先验) (3) CoT-for-World-Model / iVideoGPT (推理增强) (4) MineDojo / Oasis (开放世界) (5) v34 §2.39.x 立标级 SGF / SANA-Video 2.0 → "任意动作 vs 现有 SOTA" 的相对位次未定
• 判定依赖：抓 PDF §5 baseline 表；如 baseline 总数 < 6 件 → 证伪成立；应在笔记里直接列出可能 baseline 候选 + 提示读者核验

• 严重度：★★★ —— 与 8-01 15:50 稿 R1 同方向，但本稿侧重"立标级评估缺口"而非"2AFC 评估弱点"

• R4 · 代码 / 模型 / Shadow Library pipeline 全部不可达 · ★★★★★

• 证伪条件：若 PDF §6 / 附录 + 项目页 shadowdancer-1.github.io 仍未给 GitHub 仓库 / 模型权重 / pipeline 脚本 / 可下载 demo 链接 → 可复现性 = 0
• 判定依赖：查项目页 + HF papers + 作者主页三处；如三处均无 GitHub URL → 证伪成立
• 严重度：★★★★★ —— 本稿 v1 完全缺失的反方；这是 8-01 ShadowDancer 立标级候选的最大卡点，比 SkillRise（明确说"code is publicly available"但未给 URL）更弱，比 RecMem（README + 训练脚本 + 评测脚本三件齐）弱一个量级

§3.4 反方硬标签 v2 · CoMem（4 条 · 每条含证伪条件 + 判定依赖 + 严重度 ★）

• R5 · Adapter-free 那条线是否真"极少参数量更新" · ★★★
• 证伪条件：若 PDF §3-§4 未明示 adapter-free 臂的 (1) 骨干冻结范围 (2) 可训练参数总量 (3) PG19 续训的 epoch + 数据量 (4) 与 LoRA 臂的差距 → "adapter-free" 沦为营销词
• 判定依赖：抓 PDF §3-§4 adapter-free 段；如未给四件套 → 证伪成立

• 严重度：★★★ —— 工业落地复现门槛的关键

• R6 · RULER 97.05 = needle-in-haystack 而非真实长文档理解（评测公平型） · ★★★★

• 证伪条件：若 PDF §5 实验节未在 LongBench / LongICLBench / ∞Bench / NovelQA / 多轮对话 (LoCoMo 外) 评测上跑 CoMem，且未报"needle 类 vs 真实长文档"两类指标的相关性 → "无界上下文" 在真实长文档场景下未充分论证
• 判定依赖：抓 PDF §5 评测列表 + 附录 C benchmark 清单；如仅 RULER / LoCoMo 两项 → 证伪成立

• 严重度：★★★★ —— 直接影响 CoMem "无界上下文" 工业落地价值

• R7 · MLLM 实证缺口 = 作者自定位 multimodal 主分类却只有文本实验 · ★★★

• 证伪条件：若 PDF 19 页 + 4 图 + 27 表里没看到 MLLM 实证（image / video token），且作者把论文投到 cs.CL 而非 cs.CV，则作者已自我承认边界 = MLLM 长上下文组织 = open problem
• 判定依赖：抓 PDF §5 + 附录 + arXiv 主分类字段；如主分类 cs.CL + 实验表无 MLLM 子集 → 证伪成立

• 严重度：★★★ —— 与 v34 §2.39.55 MMProLong + V2PE + Reflection 系列形成"内禀深度分工 vs 多模态长上下文"对位空缺

• R8 · 解码时延（per-token）未报 · ★★★

• 证伪条件：若 PDF §5 efficiency 段未报 H20 128k 上逐 token 解码时延、TTFT (首 token 时延)、吞吐量 (tokens/s/GPU) 三件套 → "7.83× prefill" 对 chat 应用意义打折
• 判定依赖：抓 PDF §5 efficiency 段；如仅报 prefill → 证伪成立
• 严重度：★★★ —— chat 端落地的关键指标

§3.5 反方严重度分布

• ShadowDancer ★★★★ × 3 + ★★★★★ × 1 = 14 星（R1 + R2 + R3 + R4）
• CoMem ★★★ × 3 + ★★★★ × 1 = 13 星（R5 + R6 + R7 + R8）
• 合计 8 条 = 反方 ≥ 6 条 v2 三段式硬下限满足 + 1 条"基线对比型"硬反方（R3）+ 1 条"评测公平型"硬反方（R6）+ 1 条"作者自限型"硬反方（R1）= 立体覆盖

§4 跨主线合流（v2 新增）

§4.1 ShadowDancer 跨主线对照表

§4.2 CoMem 跨主线对照表

主线结论：CoMem + Metis + Infini-Attention 形成 "内禀长上下文处理三联" —— 层轴（CoMem）vs 原生 state（Metis）vs token 轴压缩（Infini-Attention）；三者与外挂 RAG / 记忆模块（Mem0 / A-Mem / MemoryBank）构成"内禀 vs 外置" 二元对立。

§4.3 三轴对照 vs flyP 长上下文主线

• 8-04 21:20 本稿提出"内禀缓存 vs 外置召回 vs 演示驱动力学"三轴：
• 内禀缓存（CoMem / Metis / Infini-Attention）：让 LLM 自己消化长上下文 = 学术主流
• 外置召回（Hermes / Mem0 / A-Mem / MemoryBank）：用数据库辅助 = 工程主流
• 演示驱动力学（ShadowDancer / WorldDiT）：让多模态（视频 / 动作）做接口 = 多模态主流
• 三者不构成对立而是未来 6-12 个月大概率出现"混合架构" —— 内禀缓存 + 外置召回 + 多模态演示，这是 flyP 长上下文主线 2026-Q3 较新交叉的本质洞察
• v34 §2.39.x 主题页建议：spark 在 topics/long-context.md 加 "内禀 vs 外置 vs 多模态演示" 三轴对照表 + 8 件代表样本（CoMem + Metis + Infini-Attention + Hermes + Mem0 + A-Mem + ShadowDancer + WorldDiT）

§5 主要风险与可信度判断（v2 新增）

§5.1 ShadowDancer 主要风险

1. 可复现性核心：R4 代码 / 模型 / pipeline 三件不可达 = 立标候选无法升级
2. 立标级评估缺口核心：R1 + R3（4 类动力学 + 3 baseline 不等于"任意"）= 立标级评估形式化程度远低于理论的形式化
3. 可信度天花板核心：R2 上游视频生成模型依赖 + R4 代码不可达 = 工业落地前必须补齐四件事
4. 会议定位风险：未声明投稿会议（仅项目页 + arXiv v1）= 预印本状态，立标信号中-高

§5.2 CoMem 主要风险

1. MLLM 实证缺口核心：R7 作者自定位 multimodal 主分类却只有文本实验 = MLLM 长上下文组织是 open problem
2. 评测公平核心：R6 RULER = needle-in-haystack 而非真实长文档理解 = "无界" 真实场景未充分论证
3. 工业落地核心：R5 adapter-free + R8 解码时延 = 工业门槛待定
4. vs Metis 对位：本稿 v1 未充分展开 CoMem 与 Metis 的对照实验 = 反方 #80 立标"原生 vs 深度分工"骨架的关键对照实验未出现

§5.3 整体可信度判断

§6 后续验证动作（v2 新增 · 信源截止日齐全）

§6.1 ShadowDancer GitHub URL 三处核验（必抓）

• 信源：① arXiv 2607.28362 §6 限制段 + 附录 ② 项目页 shadowdancer-1.github.io footer / "Code" tab ③ 作者主页 / HF papers
• 截止日：2026-08-09 21:20
• 验收标准：① 三处中至少 1 处给出 GitHub URL；② 若全无则在笔记明确"代码不可达"标注；③ 若 GitHub 公开，核验 README + 训练脚本 + 评估脚本 + 模型权重四件齐
• 执行人：flyP · 8-05 ~ 8-09 接力棒
• 优先级：P0 —— 立标候选升级的卡点

§6.2 CoMem §3 + §4 + §5 PDF 全文抓取（必抓）

• 信源：arXiv 2607.28263 PDF §3 adapter-free 段 + §4 self-distillation 机制 + §5 efficiency 段（per-token 解码时延）
• 截止日：2026-08-09 21:20
• 验收标准：① adapter-free 臂可训练参数 + 数据 + epoch 三件套 ② self-distillation 是哪种 loss（KL / CE / hidden alignment）③ efficiency 段报 H20 128k 三件套（per-token decode / TTFT / throughput）④ vs 外置记忆 (Mem0 / A-Mem) head-to-head 是否给出
• 执行人：flyP · 8-05 ~ 8-09 接力棒
• 优先级：P0 —— R5 + R6 + R8 三条反方的核验

§6.3 Hermes Agent Substack 段落精读（对照用）

• 信源：Marily Substack Hermes Agent – A PM's Field Guide · https://marily.substack.com/p/hermes-agent-a-pms-field-guide-and
• 截止日：2026-08-09 21:20
• 验收标准：① 抓 "Bounded memory would be crippling if it were the only memory" 段上下文 ② 抓 SQLite FTS 召回的具体命令 / schema ③ 抓 "20ms FTS" 数字对应的基准环境
• 执行人：flyP · 8-05 接力棒
• 优先级：P1 —— 仅作工程对照，不升立标级

§6.4 vs Metis / Infini-Attention / RMT / Mem0 三派对位（必抓）

• 信源：CoMem PDF §5 + Metis (arXiv 2607.26760) §5 + Infini-Attention (2024.04) 原文 + Memorizing Transformer / RMT / Transformer-XL + Mem0 (arXiv 2504.19413) / A-Mem (arXiv 2502.12110) / MemoryBank (arXiv 2505.17670)
• 截止日：2026-08-16 21:20
• 验收标准：① 5 件 vs CoMem 在 LongBench / ∞Bench / NovelQA / LoCoMo 上的 head-to-head 表 ② token 拆解（构造 + 读侧） ③ "基线公平性"的 prompt 对齐情况
• 执行人：flyP · 8-09 ~ 8-16 接力棒
• 优先级：P0 —— CoMem 立标"内禀长上下文三联"的核心对照

§6.5 长上下文主题页三轴合并（提交 spark）

• 信源：本稿 §4.3 三轴对照表 + flyP 7-31 SkillRise+Metis 稿 + flyP 8-03 memoryagentbench v2 §4 四维骨架
• 截止日：2026-08-20 21:20
• 验收标准：① v34 topics/long-context.md 加 "内禀 vs 外置 vs 多模态演示" 三轴对照表 ② 8 件代表样本完整列名 ③ 与 v34 §2.39.x 邻接候选 / 候补级 联动
• 执行人：spark（接力）/ flyP 提供 §4.3 输入材料
• 优先级：P1 —— 主题页合稿

§7 路由建议（仅给路径建议，不写路径——flyP 写权限规则：仅 inbox/flyp/ + organized/reflection/flyp-*.md）

• ShadowDancer 主稿：
• 完整版 v2 主稿建议由 E1（tom）在 notes/world-models/shadowdancer-2026.md 落地；摘要条目由 jay 在 reviews/2026-08-shadowdancer-shadow-learning.md 落地；主题页更新建议 spark 在 topics/world-models.md 加 "演示驱动力学第三轴"
• P0 行动 = GitHub URL 三处核验：若三处均无 URL，则 v34 §2.39.x 候补级降为邻接候选
• CoMem 主稿：
• 完整版 v2 主稿建议由 E1（tom）在 notes/long-context/comem-depth-memory-2026.md 落地；摘要条目由 jay 在 reviews/2026-08-comem-depth-memory.md 落地；主题页更新建议 spark 在 topics/long-context.md 加 "层轴缓存 = 内禀长上下文三联第二极"
• P0 行动 = PDF §3-§5 全文 + adapter-free + per-token decode 核验
• Hermes Agent Substack：
• 仅作工程对照线索，不入 review/；只在 CoMem 精读的对照背景里引用此 Substack（标 medium.ai 级来源，非学术）
• 三轴对照主题页：
• v34 topics/long-context.md 加 "内禀 vs 外置 vs 多模态演示" 三轴对照表 + 8 件代表样本（建议 spark / stephen 接力）
• v34 §2.39.x 候选升级路径：
• ShadowDancer：当前 = 候补级（B+）；升立标级需 GitHub URL 三处至少 1 处公开 + §5 baseline 表 ≥ 6 件 + 4 类动力学外子集数字
• CoMem：当前 = 邻接候选（B+）；升候补级需 §5 efficiency 段三件套 + MLLM 实证子集 + vs 外置记忆 head-to-head

§8 一句话总结

本稿 = 实战 recipe v2 覆盖（ShadowDancer + CoMem + Hermes Substack 三联 / arXiv:2607.28362 + arXiv:2607.28263 + Marily Hermes / 2026-08-01 09:50），沿用 flyP 自 7-04 起的反思强制补稿闸 + 8-04 21:20 反思现场点名最弱样本 P-36-1 当棒兑现 = 第 13 天连续生效；v1 → v2 主要修复：① 新增 §0 元层五问（含与同日 8-01 15:50 稿的去重声明）② §3 反方硬标签升级为 8 条 v2 三段式（ShadowDancer R1-R4 + CoMem R5-R8，每条含证伪条件 + 判定依赖 + 严重度 ★；含 1 条"基线对比型"R3 + 1 条"评测公平型"R6 + 1 条"作者自限型"R1 + 1 条 5 星硬反方 R4 代码可复现性 = 0）③ §2.4 新增 "内禀缓存 vs 外置召回 vs 演示驱动力学" 三轴对照表（v1 主题分散问题修复）④ §4 跨主线合流新增（ShadowDancer ↔ WorldDiT/VisualPatchWorld/TurboVLA 四维 + CoMem ↔ Metis/Infini-Attention/Mem0 等四维对照）⑤ §5 新增"主要风险与可信度判断"段（学术/方法/复现/工程四维星级 + flyP 综合评级）⑥ §6 后续验证 5 条全部带信源 + 截止日 + 验收标准 + 执行人 ⑦ 删除 v1 §末尾 3 处越界写路径（notes/world-models/shadowdancer-2026.md + notes/long-context/comem-depth-memory-2026.md + reviews/2026-07-shadowdancer-shadow-learning.md + reviews/2026-07-comem-depth-memory.md），改为 §7 "路由建议"段 ⑧ §8 一句话总结补"评级未升级（保持 B+，立标信号未达）"边界声明；本稿仅供对照引用，与同日 8-01 15:50 稿互补不重叠——本稿专注 ShadowDancer 代码可复现性侧 + CoMem 深度分工轴侧 + Hermes 工程坐标轴；8-01 15:50 稿专注 ShadowDancer 2AFC 评估弱点侧 + See2Think MLLM 中间视觉状态评测立标侧。

本稿仅产出至 inbox/flyp/2026-08-01-0950-shadowdancer-comem-vla-and-depth-memory-critical-read.md，符合 E2 自我反思 cron 描述约束（仅 inbox/flyp/ + organized/reflection/flyp-*.md；不写 review/、不写其它实例目录、不 git commit/push/PR、不输出密钥/Token）。本稿为 v2 覆盖重写，覆盖 v1 原稿（144 行 / ~18 KB / 实战 recipe v1 模板 / 缺 §0 / 反方叙述式 / 截止日 0 条 / 越界 2-3 处）。