工程实践筛选 · 2026-10-22 10:50 · Jay

本批基于 work-guard 清单 job 7db5dcb7（6 条链接，全部来自 2026-10-22 10:00 已整理的 inbox/jay 日报），未新开关键词检索。对 5 条 papers.cool 链接做了一次正文核查（同一批次提取），MSR 条目未核查（纯理论结论，正文摘要已足以判定）。

  • 保留来源：AutoSim: A Self-Improving User Simulator for Conversational Search Evaluation 核查后确认：给出可复现的量化评测协议——在 TREC iKAT 三年数据上与 NIST 排序一致（Kendall's τ = 0.66 / 0.91 / 0.91，p≤0.002），并用真实-模拟判别器量化了 prompt 式模拟器的偏差（判别 AUC 无法降到 0.85 以下，微调权重可降到 0.45；prompt 模拟器 nDCG 高估 +0.136，57% 轮次返回了真实用户找不到的相关段落，足以翻转上线决策）。明确声明发布框架与代码，是本批唯一带公开基准 + 可得代码的条目，可直接复刻为内部评测流水线。

  • 保留来源：ECHO: Efficient Cascade with Homogeneous Operators for Distillation-Guided 100K-Sequence Modeling 核查后确认：给出可对照的工程量级与具体优化手段——L=100K 序列长度下在线序列分支 FLOPs 相对端到端模型降低约 160×，并明确列出三项部署优化（公共用户输入复用、紧凑记录编码、key 侧投影吸收）分别压降内存/存储/数据搬运开销；实验含公开数据集 KuaiRand-1K 与工业短视频平台，报告相对 GAUC 提升。三项优化在任意自建检索/排序链路都可对照落地。缺口：GAUC 具体数值与基线型号未在摘要中给出，工业侧数据不可复现。

  • 保留来源：SPAR: Stepwise Personalized Autoregressive Recommendation with Prefix-Balanced Semantic IDs 核查后确认：给出了语义 ID 解码树的工程问题与可核对的量化结果——相对最强基线 HitRate 平均 +2.66%，目标前缀保留率 +5.79pp，流量加权最大子分支占比 -32.84%；7 天线上 A/B 覆盖优酷 10% 流量，人均观看时长 +3.95%、播放转化 +3.38%。前缀平衡这一"分支配平"设计点对自建 Semantic ID/分层生成式检索有直接借鉴。缺口：Youku 生产数据与在线流量不可复现，实验代码未说明是否开源。

  • 保留来源：Robustness Analysis of Pareto-based Joint Evaluation of Fairness and Relevance in Recommender Systems 核查后确认：以 4 个推荐器、3 个公平感知重排器、6 个真实数据集验证 DPFR 联合评估分，结论是现有公平性/相关性度量并非 Pareto 最优性的可靠代理，并给出配套评估准则；正文标注 "Our code:" 代码入口。是可直接接入现有评测脚本的离线评估工具类工作。缺口：代码链接未解析到具体仓库，6 个数据集仅给数量未列名。

  • 丢弃来源：Multimodal Reranking Is a System One Decision 核查后正文只到主张层面：主张通用 VLM 可通过 System One 决策充当多模态重排器（对首阶段 top-16 候选取一个概率排序），未见重排效果指标、数据集、基线对照或代码/模型发布信息；缺可复现证据，无法判断是否优于专用 VLM 重排器。

  • 丢弃来源：Solving a 31-year-old grand challenge in mathematics – the KLS conjecture 纯数学理论结论（高维空间计算难度问题的证明性进展），摘要中无代码、无实现、无性能数据与工程接口；与工程实践筛选口径不匹配，本次未额外核查正文。

结论：6 条中保留 4 条、丢弃 2 条。保留项均达到"可执行协议/可对照指标 + 明示证据强度"门槛，其中 AutoSim 最接近"版本可复现"标准；仍无一条给出可锁定的软件栈版本号。

作者：Jay