database · E1 预消化简报(2026-11-03)

作者：Jay 范围声明：依宿主机增量清单 d71a4202-68b2-455a-bff8-f7f12a8714b4（created 2026-11-03 20:20 / expires 21:20，读取时未过期、items 非空）执行。本轮只处理清单 item.materials 的 8 份材料（1 paper_card + 3 note-links + 3 repo_card + 1 复访），未做全库扫描、未做网页搜索或抓取补料、未为凑字数多轮重写。为定位脉络额外读取：organized/knowledge/database.md（现行活文档 = R-111，2026-10-30 21:03 落盘）、organized/knowledge/.database-candidate.md（R-112 候选稿，105KB / 2026-10-31 20:51 / 尚未晋级）、organized/queue/work-queue.md（2026-11-03 20:00 版）。

一、今日该主题最重要的增量

本轮 8 件材料中，4 件为本轴净新增（在现行正文 R-111 与 R-112 候选稿中均命中 0，已实测 grep），1 件为「已锚定但无正文处理」的处置类，3 件为采集态重复（已在 R-110/R-111 入账，不作新观点）。

增量 1（★ 净新增 · 存储引擎族）· kividbio/kividb：Rust 重写的 Redis®/Valkey 替代品，内置全文与向量检索

• 来源：organized/repo_cards/4568-kividbio-kividb.md（清单材料 repo_cards:kividbio/kividb）· https://github.com/kividbio/kividb
• 要点（卡面读数，未读 README）：443★ · 周增 +0 · Rust · AGPL-3.0 · 最近提交 2026-10-22 · 首采 2026-10-23 · 主分类 engineering · 形态 app · 分类 trending · 成熟度 research · 待LLM分类：是 · 主题标签 rag, database；一句话简介 "A fast, multi-threaded Redis® and Valkey alternative written in Rust: drop-in compatible, with full-text and vector search built in"。
• 与活文档现有脉络的关系：本页 §2.4 存储引擎三锚（Swan / RCC / WBL）是学术存储引擎，§2.12 三十九层是检索/记忆承载端，均无「KV 存储与检索合一的替代品」这一格。三点咬合：① 双重身份 —— 它同时落在 §2.4（KV 引擎族）与 §2.12（自带向量+全文的承载端），且与 §2.12 第五层（sqlite-vec + Turso）不同源（那层是边缘/嵌入式，本件是服务端多线程）；② 与 §3 争议 4/5 的接口 —— 它持有并索引自己的状态（主张 A 形态），而 drop-in 兼容意味着「换掉 Redis 即得向量检索」，这正是争议 5「向量索引是投影还是权威源」的现成测试对象：其向量索引能否从 Redis 源重建，正落在 O193 的共同盲区；③ 与 O194（公开可复现基准） 的关系 —— 卡面无任何基准或脚本披露，故不满足「公开可复现基准」这一候选维度。
• 建议归入：§2.12 生态观察新增一条（第 22 件量级，标注「KV 引擎与检索合一 · 443★ · 标题级未读 README · 无实测」）；§2.4 补一句 KV 引擎族邻接；不升第四十层候选（形态 app / 主分类 engineering / 无架构披露）、不入任何计数与趋势、不触发 §2.1 决策树。
• 证据边界：未读 README；「drop-in compatible」「full-text and vector search built in」均为自述简介，兼容范围、向量索引实现、FTS 方案、并发与持久化语义全未核；443★ 与 xerj 17602★ / edgeever 2572★ 不是一个量级，不得并列比较；AGPL-3.0 与 edgeever（O187）同类合规边界，且 drop-in 替换商业 Redis 的采用门槛更高。

增量 2（★ 净新增 · 跨轴方法参考）· arXiv:2610.32943：并行生成式推荐中的跨空间知识蒸馏（IDM / CMM）

• 来源：inbox/jay/2026-10-27-1105-engineering-brief.md（清单材料 note-links:6a69effb…）· 清单链接 https://papers.cool/arxiv/2610.32943（本轮未见 arXiv abs 页）
• 要点（brief 转述，标注证据边界）：两个可复现的蒸馏目标 —— IDM 从学生的并行 code 预测重建目录级 item 分布并对齐教师分布；CMM 把教师 item 概率按固定 item→code 映射投影到各 code 位置，再匹配 code 边缘分布。量化结果仅 Recall@10 平均 +15.39%、NDCG@10 +8.28%。
• 与活文档现有脉络的关系：① §2.1 四段式之外的第五种诉求 —— 产出端的离散化/压缩 —— 前四环（度量 → 分桶 → 刷新 → 产出）都不涉及「把连续分布压到离散 code 空间」；CMM 的「教师概率 → code 位置 → 边缘分布匹配」在形式上是一种可计算的分布对齐信号，与 O189（是否存在低成本漂移标量）的追问同形；⚠️ 但二者不是同一件事（code 边缘分布 vs 嵌入分布），不得直接平移。② 归口上它属推荐系统，非 database 主分类 → 只能作跨轴方法参考。
• 建议归入：§2.1 邻接一小段（标「分布对齐/离散化 code 化 · 设计参考级 · 非 database 主分类」）或 §2.9 邻接（ML4DB 侧的学习式压缩）；不入任何计数、不触发决策树升级。
• 证据边界：excerpt 未交代数据集规模、基线模型与训练成本；两项指标是否来自同一实验配置未明；固定 item→code 映射在目录结构变化时如何维护（恰是目录变化频繁时的核心工程问题）未解；主分类、版本、页数、DOI、作者全部未核（本轮只见 papers.cool 镜像链接）。

增量 3（★ 净新增 · 设计参考级）· arXiv:2610.32616：用 LLM 批量抽取 legacy 预临床报告的结构化字段

• 来源：同一份 brief（清单材料 note-links:6a69effb…）· https://papers.cool/arxiv/2610.32616（本轮未见 arXiv abs 页）
• 要点：方法轮廓 = 用 LLM 把 fasting、anesthesia、laboratory instrumentation 等 study-context 细节从大批 legacy 报告中重抽成结构化字段；brief 明确标注仅方法描述，无量化结果、无源码。
• 与活文档现有脉络的关系：与 Jay 自有「历史材料 → 结构化字段」加工管线同构，可直接作字段抽取设计参考。在本页坐标里，它补的是 schema 的供给侧 —— §2.9 讲的是 schema 如何被演化/自治调优，而本件是 schema 从非结构化档案里被抽出来，方向不同源；§2.12 三十九层讨论的是「结构化对象如何被承载」，本件讨论的是「结构化对象从哪来」。
• 建议归入：§2.9 邻接（schema 供给侧）+ §2.12 结构化对象层邻接；不入锚、不入计数。
• 证据边界：抽取准确率、字段 schema 设计、幻觉与漏抽的处理方式均缺失；引用时必须原样带上「仅方法描述」标注；元数据未核。

增量 4（★ 净新增 · 标题级）· Microsoft ThinkingBox：把 Database Grading 转成 RL Rewards

• 来源：inbox/stephen/2026-10-23-1000-news-hf-blog.md（清单材料 note-links:4ed820c5…）· https://huggingface.co/blog/microsoft/thinkingbox-training
• 要点：本轮只读到标题与链接——"Turning Database Grading into RL Rewards: Post-Training Agents with ThinkingBox"。同源另两条（OlmoEarth v1.3 地球表面嵌入、IBM Granite 时间序列集成预报）与 database 数据层无关，本轮不纳入。
• 与活文档现有脉络的关系：三处咬合：① §2.1 第三环（RLHF · arXiv:2204.05862） —— 把「数据库任务评分」转成 RL 奖励，是奖励信号来自数据库反馈的工程化，与第三环「奖励可作为漂移代理」同域；② §2.13 评估方法论 —— 评分从「结果对不对」转向「过程可给奖励」，与 flyP 10-24 批的 AgentSWE（arXiv:2610.13361，行为评分替代参考实现） 同族，但 AgentSWE 是学术且已由 R-110 §2.14 吸收，本件是厂商博客；③ §2.2 ARCS 结构化消歧 —— 提示一个本页尚无的一环：消歧/交互过程本身能否作为奖励来源（结构化消歧是显式受约束的交互，天然携带过程信号）。
• 建议归入：§2.1 第三环邻接（奖励来源）+ §2.13 邻接（行为评分族）+ §2.2 邻接（消歧过程可作奖励）；不入源计数（厂商博客、标题级）。
• 证据边界：厂商博客、非同行评审；正文未读 → 不得引任何数字或结论；「database grading」具体指哪类数据库任务、ThinkingBox 是产品还是方法、是否开源，全部未核。

增量 5（处置类 · 非新观点）· arXiv:1901.06796：已在 §6 锚定、但从未被正文处理的 NLP 对抗攻击综述

• 来源：organized/paper_cards/1787-1901-06796.md（清单材料 paper_cards:1901.06796）· https://arxiv.org/abs/1901.06796 · DOI 10.48550/arxiv.1901.06796 · OpenAlex W2940009958 · OpenAlex 被引 248 / S2 被引 57 / 影响力被引 5 · 主分类 engineering · 形态 survey · 主题 database（库内标签） · OpenAlex 更新 2026-10-14
• 要点：TLDR 为「综述针对自然语言处理中深度学习模型的对抗研究，收集、筛选、总结并分析生成文本对抗样本的工作」。本轮的新增只有元数据刷新（OpenAlex 更新日期与被引数），按规则不计为新观点。
• 与活文档现有脉络的关系：现行正文中它只出现 1 次 —— §6 arXiv ID 全集（R-19~R-107 段），没有任何小节处理它。内容层面它与数据层无关（对抗样本攻击针对的是模型输入面），database 标签属库内误标；按库内既有口径（SwAV / SupCon / metric learning 同类处理）应作谱系锚点或误标样本。
• 建议归入：若今晚要留痕，在 §2.14 以「误标样本」一行带过（或干脆不写）；不进 §2.14 综述八向量计数（那八向量锚定的是数据库/检索系统综述）。
• ⚠️ 特别提醒：不得并入 §2.8 攻击向量。§2.8 十二向量全部是数据层攻击面（pgvector CVE、黑洞、推理成本攻击、HDF5/Jinja2、ImmRAG、SD-RAG、CLM 自注入、HONEYBEE、有界临时可见性），而对抗样本/投毒属模型输入面，与「数据库暴露给模型的那一层被攻击」不同源；不新增第十四攻击向量候选。

二、台账（口径登记，不作新观点）

三、值得警惕的矛盾或待核实说法

1. ⚠️ R-112 候选稿内部三处计数互不相同 —— §2.12 标题写「生态观察 21 件 + 学术邻接 4 件」，同节综合锚定写「生态观察 20 件 + 学术邻接 2 件」，而逐件枚举只有 19 件（R-104 4 + R-105 3 + R-106 0 + R-107 3 + R-109 4 + R-110 3 + R-111 1 + R-112 1）。三个数字互斥；今晚若在候选稿上增写 kividb，漂移会继续扩大。建议先定一份「以逐件枚举为准」的口径再落笔。
2. ⚠️ 「本轴 NET-new」≠「全库首次发现」 —— kividb / 2610.32943 / 2610.32616 / ThinkingBox 在现行正文 R-111 与 R-112 候选稿中均命中 0（本轮实测 grep），但 archive/database-20260707-full.md 等历史档与 engineering / rag 轴可能已登记。今晚措辞必须写成「在本轴现行正文与 R-112 候选稿中 NET-new」，否则会制造多份互相矛盾的「首次发现」。
3. ⚠️ 今晚的第一件事不是写新段，而是处理双份状态 —— 现行 knowledge/database.md = R-111（10-30 21:03），.database-candidate.md = R-112（10-31 20:51，105KB，未晋级），而 work-queue §2 记「database：3 天未更新」。先决定是晋级 R-112、还是在 R-112 之上写 R-113，否则本简报所有「建议归入 §2.x」都会写错落点。
4. ⚠️ 两个 arXiv 号的元数据完全未核 —— 2610.32943 与 2610.32616 只见于本库自己的 note-links（papers.cool 镜像链接），本轮未核 arXiv abs 页，主分类、版本、页数、DOI、作者全部空白；引用时必须带「元数据未核」标注，不得按 ID 形态推断年份或领域。
5. ⚠️ 采集态重复三件不得当新发现 —— people-context / openidea / flyp 10-24 周报（以及 1901.06796 的元数据刷新）均已在 R-110/R-111 入账；本轮清单是采集重排而非新发现，重复计数会污染 §2.12 的生态观察与 §2.14 的负面样本计数。
6. ⚠️ 本轮无一件构成 database 主分类的性能证据 —— 故不触发 §2.1 决策树升级、§2.12 层数递增、§2.14 综述八向量计数、§2.15 第三十五轴正式版、§3 共识 #1~#7 升级；§2.8 不新增第十四攻击向量；§5 不新立趋势。
7. ⚠️ 选题榜重复项 —— work-queue §3 的 2004.11362（SupCon）已被 R-112 候选稿 §2.1 第四环收录，写稿时应划掉而非重复处理；§1 待深读首位 2610.12998 属创造力评测，与 database 轴无关；§4.2 Jay 认领项 doobidoo/mcp-memory-service（2052★）属记忆层但不在本轮清单材料内，本简报不据以展开，仅留档待下一轮。

四、可引用的 arXiv 号列表

本轮净新增（2 个 · 元数据未核，仅有 papers.cool 镜像链接） - arXiv:2610.32943（跨空间知识蒸馏 IDM/CMM）· https://papers.cool/arxiv/2610.32943 - arXiv:2610.32616（LLM 批量抽取 legacy 报告结构化字段）· https://papers.cool/arxiv/2610.32616

本轮复访（仅口径登记，不新增锚定） - arXiv:1901.06796 · https://arxiv.org/abs/1901.06796 · DOI 10.48550/arxiv.1901.06796 · OpenAlex W2940009958（已在 §6 ID 列表，无正文处理）

对照位（非本轮新增，不重复登记） - arXiv:2204.05862（§2.1 第三环 RLHF · ThinkingBox 对照位）· arXiv:2004.11362（SupCon · R-112 第四环）· arXiv:2610.13695 / 2610.13735 / 2610.13361（已在 R-110 §2.14 与 §3 争议 3 吸收）

非 arXiv 出处（本轮采用材料） - https://github.com/kividbio/kividb · https://huggingface.co/blog/microsoft/thinkingbox-training - 备查不纳入：https://huggingface.co/blog/allenai/olmoearth-v1-3 · https://huggingface.co/blog/ibm-research/granite-timeseries-ensemble-r1

五、给今晚接力的一句建议

本轮实质增量只有四件，且没有一件是 database 主分类的性能证据：真正有结构性价值的是 ThinkingBox（把数据库任务评分转成 RL 奖励，接 §2.1 第三环与 §2.13 行为评分族） 与 2610.32943（分布对齐到离散 code 空间，正面回应 O189 的漂移标量之问）；kividb 是生态观察里第一格「KV 引擎与检索合一」（Redis 兼容 + 内置向量/全文，AGPL-3.0，标题级未读 README）；2610.32616 是「档案 → 结构化字段」的 schema 供给侧设计参考。动笔前先处理 R-112 未晋级这件事（现行正文仍是 R-111），并顺手修掉 §2.12 标题/锚定/枚举三处计数不一致（21 / 20 / 19）；同时不要把清单里的采集态重复（people-context / openidea / flyp 10-24 / 1901.06796 的元数据刷新）当成新发现。