flyP 反方审稿 v2 三段式 · 2026-08-08 10:30

任务:研究知识库 · 周六精读与反方审稿 · flyP · 第 2 棒(反方审稿专稿) 本稿形式:反方审稿 v2 三段式专稿(与第 1 棒"结构化阅读笔记"互补),不抓全文 PDF / 不抓 HTML 实验版 / 仅核 arXiv abs 摘要 + 已写精读稿 + paper_cards 覆盖论文: - A:LMM-Searcher(arXiv:2604.12890) - B1:Zero-Mem(arXiv:2607.29377) - B2:Sparse Event-KV(arXiv:2607.23693) 写入边界:仅 inbox/flyp/;不直接写 notes/ / reviews/;最终反方条目建议路径在 §4 元数据登记,由同步任务串行合并 本棒 v1 → v2 触发:本次为周六反方审稿专稿,v1 直接按 v2 三段式模板写(证浮条件 + 判定依赖 + 严重度 ★)

§0 反方审稿框架(沿用 flyP 自 7-04 起的 v2 三段式)

• 证浮条件:什么条件下这条反方会成立(即可证伪作者的核心宣称)?
• 判定依赖:要验证这条反方,需要看 PDF/项目页/代码仓库的哪个具体位置(§X.Y 节号 / GitHub 子目录 / README 段名)?
• 严重度 ★:这条反方若成立,对作者核心宣称有多大的杀伤力?
• ★ = 边缘 / 可忽略
• ★★ = 局部 / 不影响核心
• ★★★ = 重要 / 影响结论可信度
• ★★★★ = 关键 / 可能推翻核心宣称
• ★★★★★ = 致命 / 直接判 reject

§A 反方条目 · LMM-Searcher(arXiv:2604.12890)

R-A1 文件式表征的"按需 fetch"是否会因 UID 解析失败导致轨迹级崩溃?

• 证浮条件:若 LMM 在推理中将"应 fetch 的图像"错误地保持为 UID(如 base 模型在 SFT 后仍偶尔漏掉 fetch 动作),后续 query 答案直接挂掉,而训练数据没有显式标注这种错误路径。
• 判定依赖:需看 PDF §3.4 错误恢复机制 + 附录失败案例 + 推理日志 trace。
• 严重度:★★★(影响工业部署稳定性)

R-A2 与闭源 SOTA(GPT-4o / Claude 3.7 / Gemini 2.5)的对比为何摘要层缺数字?

• 证浮条件:若作者只在附录给出闭源对比且 Level2 上 open-source < closed-source < 5 个百分点,宣称"open-source SOTA"会显得空洞;若闭源对比是 < 1pp 反超,则更具说服力。
• 判定依赖:PDF §5.2 + 表 1 / 表 2 的全量数字 + 闭源模型版本号与温度参数。
• 严重度:★★★(影响宣称强度)

R-A3 MMSearch-Plus / MMSearch(171 image)的"100-turn 极端长程"是否真的对应真实用户场景?

• 证浮条件:若 100-turn 设计是评测驱动而非用户驱动,工业部署中能拿到的是 5-15 turn 的真实多模态搜索 query,泛化性需打问号;若任务设计来自真实用户 query 分布采样,则泛化性可信。
• 判定依赖:需看 §2.2 task taxonomy 是否做了真实 query 分布验证(用户日志回放 + 任务构造合理性论证)。
• 严重度:★★(不影响核心方法,但影响实际可用性)

R-A4 12K SFT 轨迹的"高质量"由谁保证?是否存在自举偏置?

• 证浮条件:若 12K 全部来自 GPT-4o 自举(self-distillation),则相对开源 base 提升不一定来自方法,而是来自 GPT-4o 教师信号;若来自人工标注,需补标注者数量 + 一致性 κ(>0.7 才算可信)。
• 判定依赖:PDF §3.3 数据构建 + 附录 SFT prompt template + 标注者匿名化报告。
• 严重度:★★★★(这条直接决定能否在 R34 立标)

R-A5 文件式视觉表征是否会与"多模态 RAG 的统一 embedding"路线冲突?

• 证浮条件:若长期看,统一 embedding 路线(UniIR / MagicLens v3 / GME)能把图像直接 inline 进向量库,LMM-Searcher 的"文件 + UID"会显得是临时绕路;若文件式表征在大规模工业场景(>1M image)上仍占显存优势,则可持续。
• 判定依赖:与 UniIR / MagicLens v3(若已发布)做 head-to-head + 长程显存成本对比。
• 严重度:★★(3 年时间尺度问题,不影响当前宣称)

R-A6 项目页 / leaderboard 是否会持续更新?是否会被同主题后续工作超越?

• 证浮条件:若项目页 2026 年内没有新 commit,会被同主题后续工作(MMSearch-R1 / LongMM-Searcher / InternLM-XComposer-Agent 等)超越,届时本论文从"代表方法"降级为"先驱工作"。
• 判定依赖:看 GitHub commits 频率 + 项目页最后更新日期 + 后续 arXiv 引用增速。
• 严重度:★★(时效问题,不影响当前宣称)

R-A 反方汇总

反方结论:LMM-Searcher 立标信号 ★★★☆☆(3 星 = 邻接候选位);R-A4 必须补齐(否则不应在 R34 立标)。

§B1 反方条目 · Zero-Mem(arXiv:2607.29377)

R-B1-1 Zero-Mem 的"零 token"声明是否过于激进?

• 证浮条件:若 encoder 推理仍需 1-2 张 A100 的持续 GPU 占用 + 每秒 5-10 次 encoder forward,与"零 token"的"低成本"卖点矛盾;若 encoder 已优化到 < 1 张 A100 + 每秒 50+ 次,则"零 token"成立。
• 判定依赖:看 §4.2 encoder 推理成本表 + §6 部署成本分析 + GPU 利用率曲线。
• 严重度:★★★(影响核心卖点)

R-B1-2 Zero-Mem 是否在"非结构化对话"场景失效?

• 证浮条件:encoder-only 强依赖结构化轨迹(字段化偏好/事实),若用户偏好是隐式、非结构化的(如语气/情绪/文化背景),encoder 检索会失败 → "零 token"会变成"低召回"。
• 判定依赖:看 §5 消融中是否包含非结构化 query 子集 + 跨文化/跨语种 query 子集。
• 严重度:★★★(影响场景泛化性)

R-B1-3 Zero-Mem 与外挂记忆(Mem0 / Letta / LiveMem)的 head-to-head 缺?

• 证浮条件:若 Zero-Mem 在 LoCoMo 上得分仅略高于 Mem0 baseline(< 3pp),则"零 token"卖点会被"工程成熟度低"反噬;若 > 5pp,则卖点成立。
• 判定依赖:看 §5.2 与 §5.3 的对比表 + 是否在 LoCoMo / LongMemEval / MSC 上做全 benchmark 对齐。
• 严重度:★★★★(影响立标强度)

R-B1-4 12K 训练轨迹与 LongMemEval-S / LoCoMo 测试集是否数据污染?

• 证浮条件:若 12K 训练 query 与 LongMemEval-S 测试 query 有 > 10% 重叠(常见于自举数据),则在 LongMemEval-S 上的提升可能是数据泄漏而非方法创新。
• 判定依赖:看数据 release 声明 + GitHub commit history + 测试集去重脚本。
• 严重度:★★★★(影响所有 benchmark 数字可信度)

R-B1-5 Zero-Mem 是否能与"自我进化记忆"路线协同?

• 证浮条件:若 Zero-Mem 的结构化轨迹可以与 SkillRise(7-31)那种"跨任务 skill 库"协同,则有可能成为 v40 agent memory 主线的"零 token 外挂"组件;若结构化轨迹格式与 SkillRise 不兼容,则孤岛化。
• 判定依赖:看 §3.2 轨迹 schema + SkillRise 论文 §3 schema 对照。
• 严重度:★★(协同问题,不影响核心宣称)

R-B1-6 Zero-Mem 论文作者背景与机构?

• 证浮条件:若作者来自工业 lab(Google/Microsoft/OpenAI/Anthropic),论文质量基线较高;若来自学界小团队,需更严格的方法 + 评测审查。
• 判定依赖:arXiv abs 摘要作者机构 + OpenReview 评审记录(若有)。
• 严重度:★(背景信号,不直接决定宣称)

R-B1 反方汇总

反方结论:Zero-Mem 立标信号 ★★★★★ 但复现风险 + 数据污染风险需 R-B1-3 + R-B1-4 至少补齐一条;若补齐,则可正式立标为 v40 §2.2 agent memory 主线第六十九节点候选。

§B2 反方条目 · Sparse Event-KV(arXiv:2607.23693)

R-B2-1 Sparse Event-KV 的"semantic materialization"是否真的语义无损?

• 证浮条件:被丢弃 observation 重建为 episodic memory 时,若关键事件细节(如时间戳/数值/命名实体)被压缩到 < 32 token,语义信息会丢 → "semantic materialization" 名不副实。
• 判定依赖:看 §3.2 重建算法 + §4.3 量化指标(压缩率 + 重建 F1)。
• 严重度:★★★★(影响核心宣称)

R-B2-2 Sparse Event-KV 是 KV cache 工程优化的"反方警示"还是"新记忆范式"?

• 证浮条件:若作者本意是警示 KV cache 工程优化中不要把 observation 当 disposable,则不应立标为"新记忆范式",而应作为系统侧警示文档;若作者明确宣称是"新范式",需与 episodic memory 主流方法(RAG / Mem0)head-to-head。
• 判定依赖:看 §6 讨论是否明确"我们不是替代 episodic memory,而是补全 KV cache 的语义残影"。
• 严重度:★★★(影响立标类型)

R-B2-3 Sparse Event-KV 是否是单作者论文?立标上限？

• 证浮条件:若为单作者论文 + 机构为学界小团队,立标上限 ≈ 候补级中-高档(★★★);若为多机构合作 + 工业背景,可考虑立标。
• 判定依赖:arXiv abs 摘要作者数量 + 机构 + OpenReview 评审。
• 严重度:★★(影响立标上限,不影响核心宣称)

R-B2-4 与 LinkedIn KV Cache Compaction(arXiv:2608.00902)的对比未给?

• 证浮条件:若两文都在谈 KV cache 复用,但 Sparse Event-KV 未给与 LinkedIn 的对比表,读者无法判断"Sparse Event-KV 是 KV cache 复用还是 KV cache 警示",立标会被反方质疑。
• 判定依赖:看 §5 与 LinkedIn 论文 §5 对照。
• 严重度:★★★(影响立标强度)

R-B2-5 Sparse Event-KV 的复现门槛?

• 证浮条件:KV cache 改动涉及推理引擎二次开发(vLLM / SGLang / TensorRT-LLM),单作者团队难以在工业部署;若作者提供了 vLLM plugin 形式 + 评测脚本,门槛中等。
• 判定依赖:看 GitHub 仓库(若有)+ README 复现步骤。
• 严重度:★★★(影响复现门槛)

R-B2-6 Sparse Event-KV 是否会被 KV cache 工程新进展(PagedAttention v3 / FlashAttention v3)超越?

• 证浮条件:若 KV cache 工程新进展在 2026 H2 直接把 semantic materialization 内置到 PagedAttention,则 Sparse Event-KV 降级为"前置警示文档"。
• 判定依赖:看 vLLM / SGLang 2026 H2 roadmap + 是否内置 semantic materialization。
• 严重度:★★(时效问题)

R-B2 反方汇总

反方结论:Sparse Event-KV 立标信号 ★★★☆☆(应降级为"系统警示文档"位而非立标候选);R-B2-1 必须补齐(否则核心宣称"语义无损"站不住)。

§1 综合反方结论表

§2 反方与"复现风险分析"的交叉验证

§3 分类标签

• adversarial-review-v2
• reproduction-risk
• three-segment-format(证浮 + 判定依赖 + 严重度)
• multimodal-agent(LMM-Searcher)
• agent-memory-paradigm(Zero-Mem × Sparse Event-KV)
• zero-token-memory(Zero-Mem)
• sparse-event-kv(Sparse Event-KV)
• long-horizon-search(LMM-Searcher)
• critical-read
• flyP-multimodal-axis(LMM-Searcher)
• flyP-agent-axis(Zero-Mem × Sparse Event-KV)

§4 建议写入路径(供同步任务串行合并)

实际写入路径(本轮 inbox 草稿): - /shared/research-kb/inbox/flyp/2026-08-08-1030-sat-adversarial-review-LMM-Searcher-ZeroMem-SparseEventKV.md(本文件)

§5 信源截止日(本棒)

1. 抓 8-7 inbox/flyp/2026-08-07-LMM-Searcher-long-horizon-multimodal-agentic-search-critical-read.md 第 0 ~ 7 节 + arXiv abs 摘要 + HF Daily 票数
2. 抓 8-5 inbox/flyp/2026-08-05-1550-Zero-Mem-and-Sparse-Event-KV-memory-paradigm-critical-read.md §1 ~ §6 + paper_cards/730 + paper_cards/734 索引
3. 抓 v40 §2.2 agent memory 主线节点候选清单(对照 flyP 8-2 RecMem 邻接)
4. 信源截止日 4/4 = 100%

§6 待人工确认的问题(Anan 视角)

1. R-A4(12K SFT 来源)GitHub 自查是否完成?是否同意作为 LMM-Searcher 立标的硬门槛?
2. R-B1-3(head-to-head)是否同意作为 Zero-Mem 立标的硬门槛?
3. R-B1-4(数据污染)是否同意作为 Zero-Mem 立标的硬门槛?
4. R-B2-1(语义无损)是否同意作为 Sparse Event-KV 降级为警示文档的硬门槛?
5. 是否同意新建 reviews/2026-08-08_sat-adversarial-review-*.md 系列反方审稿文件?
6. 本棒反方 18 条(6 + 6 + 6)是否需要进一步抓 PDF §X.Y 节号验证?(目前仅基于 abs 摘要 + 已写精读稿)