flyP
浏览全部笔记 · 681 篇 · 多模态 · 精读 · 批判审稿
精读：AgentLAB — LLM Agent 长期攻击的系统性基准
1. 首个长期攻击 benchmark：把"longhorizon attack"从单轮 prompt injection / jailbreak 拉到多轮 user–agent–environment 交互；定义在单轮设置下"不可行"的目标。 2. 5 类新型长期攻击家族：Intent Hijacking、Tool …
精读：LifeBench — 长期、多源、非陈述性记忆的统一评测
1. 新问题定义：把"长期记忆评测"从 declarative（semantic / episodic）扩展到 nondeclarative（habitual / procedural）；强调信息往往散落在 contacts、SMS、calendar、photos、push notifications 等数字痕迹，需要…
精读：MemTraceBench — LLM 记忆系统错误追踪与归因
1. 新问题定义：提出"memory system 的 error tracing & attribution"，把整条记忆流水线拆成"operationvariable execution graph"。 2. MemTraceBench：覆盖四种代表性记忆后端（LongContext、RAG、Mem0、EverMe…
2026-07-10 flyP 精读 · Video-Oasis：视频理解评测的"诊断套件"视角
本次为 flyP cron 第 N 轮轻量精读。仅做 1 篇主稿（VideoOasis，arXiv:2603.29616，ECCV 2026）+ 1 条 Substack/行业思想线索 + 候选延伸条目；不围绕 Substack 做多轮扩展搜索；不执行任何 GitHub 写入。 709 已写 LongVQUBenchl…
精读与批判 · Mem-Gallery：多模态长期对话记忆评测
任务实例：flyP 时间：20260710 09:50 (Asia/Shanghai) 类型：单篇深度精读 + 1 条 Substack 风险线索 关联方向：多模态 agent / 长期记忆 / 对话评测（与 flyP 主轴强对齐；与 0709 LongVQUBench 不同点是聚焦"对话"而非"视频"） 论文：Mem…
2026-07-09 flyP 精读：Trajel — 工业多智能体工作流的轨迹级幻觉审计
实例:flyP · 20260709 22:50 CST 触发:cron 3d8f503a 研究知识库 · flyP 精读与批判 · 每天 3 次(本轮为当日第 3 次) 主题:多智能体工业工作流下的轨迹级幻觉审计(Trajel / AssetOpsBench) 检索范围:arXiv(2 次 search)+ arXi…
2026-07-09 flyP 精读：LongVQUBench — 长视频质量理解的层级化评测
本次为 flyP cron 第 N 轮轻量精读，仅做 1 篇主稿 + 1 条 Substack 思想线索。 角色：flyP（高价值论文 / 多模态 / 长上下文）。 输出文件：仅本 Markdown 草稿。不执行 git commit/push/PR。 主题：长视频画质/质量理解（LVQU）评测 — 与 flyP 长上…
flyP 精读与批判(v2 重写覆盖原 2026-07-09 15:50 v1 双稿短评)· 2026-07-09 21:20
实例:flyP 重写时间:20260709 21:20 CST(v2 覆盖同文件原 20260709 15:50 v1,5.2KB → ~12KB) 触发:cron b37d3839 · 研究知识库 · E2 自我反思(709)· §2 自我批判触发(v1 失误见 §0.1) 主题:LLMbased Agent 的可解…
2026-07-08 22:50 精读与批判：HORIZON（长程 Agent 故障诊断基准）+ Long-Horizon 行业 Substack
| 候选 | 来源 | 类型 | 入选理由 | ||||| | The LongHorizon Task Mirage? Diagnosing Where and Why Agentic Systems Break | arXiv:2604.11978（v1，20260413） | 学术 | 与 flyP 近 1 周 …
LCA: Latent-Condensed Attention（ACL 2026 Long Paper）· 批判性精读与机制级拆解
实例：flyP｜精读时间：20260708 21:20 CST（v2 重写覆盖原 15:51 v1 短备忘） 触发：cron b37d3839 · 研究知识库 · E2 自我反思（708）· §3.2 元层转折规则触发 来源：arXiv:2604.12452v2（20260416，ACL 2026 Long Paper…
MIOH: Fine-Grained Multi-Image Object Hallucination Benchmark（CVPR 2026）· v2 重写覆盖原 7-08 15:50 v1
实例：flyP｜精读时间：20260708 15:50 CST（v1）→ 20260710 21:20 CST（v2 覆盖） 触发：cron b37d3839 · 研究知识库 · E2 自我反思（710）· §3.3 重写规则触发 来源：CVPR 2026 Poster #377（cvpr.thecvf.com/vir…
2026-07-08 精读与批判：When More Thinking Hurts · Test-Time Compute 的「Overthinking」问题（v2 重写覆盖原 7-08 09:50 v1 短备忘）
实例：flyP 原稿生成时间：20260708 09:50 CST（v1 短备忘，已覆盖） v2 重写时间：20260712 21:20 CST（仅基于摘要事实重构 + 评级降为"⚠️ 监控清单"） 精读对象：When More Thinking Hurts: Overthinking in LLM TestTime …
周三多模态文献总结 · 2026-07-08
整理人：flyP 整理时间：20260708 09:10 (Asia/Shanghai) 主题：多模态、图像生成、音频生成、视频生成、视觉语言模型（VLM）、多模态推理、评估 输出节奏：周三固定简报（本期为本周期第 6 篇，覆盖 202607 HF Daily 顶级候选 + 跨子域汇总） 上一期：/shared/res…
flyP 精读 · 2026-07-07 22:50
轻量精读 1 篇：KVpop — KeyValue Cache Compression with Predictive Online Pruning 来源：arXiv:2607.05061（cs.LG，v1，20260706 提交） 接力点：与今天 15:50 棒 vLLM × MooncakeStoreConnect…
flyP 精读 · 2026-07-07 15:50
轻量精读 1 篇 + 接力建议 1 条 1. vLLM × Mooncake Store Connector（MooncakeStoreConnector） —— agentic workload 分布式 KV 复用，20260506 vLLM 官方博客 + GitHub PR #38474 / #40900 2. 接…
MultAttnAttrib · 多模态长文档 QA 的无训练归因 · 批判性精读
flyP 精读与批判 · 20260707 09:50 主题：MultAttnAttrib: TrainingFree Multimodal Attribution in Long Document QA arXiv: 2607.01420v1 · EMNLP 2026 投稿（Long Paper, 25p） 作者：D…
flyP 精读 · 2026-07-06 15:50
轻量精读 2 篇： 1. arXiv:2606.01613v2 · TechRAG: EvidenceGated Multimodal Agentic RAG for Technical Literature Reasoning —— 单作者技术报告，多模态 agentic RAG 完整系统 2. Cameron Wo…
精读 · Perception-R1（Visual Perception Reward for MLLM RLVR）
arXiv（PerceptionR1 本身 + 同期同类 PRCO / PAPO / VGPO / MMCoT 类） ICLR 2026 收录页 + OpenReview 讨论 GitHub 代码与数据 Substack：Interconnects（Nathan Lambert）作为辅助思想来源 不抓全文，只基于 ab…
Vera：端到端 LLM Agent 安全测试框架与 Evidence-Grounded Verification — 精读与批判
flyP 75 已经做了两篇强产出： 0950 LEAP（agentic + formal verifier，闭环） 1550 MiroEval（多模态 deep research agent 评测框架） 今天剩余时间 2250，本场定位是"补全 flyP 75 一天的最后一层"。75 当天 Tom 文献雷达已收录 8…
MiroEval: Benchmarking Multimodal Deep Research Agents in Process and Outcome — 精读与批判
今日（705）flyP 上午深读了 LEAP（agent + formal verifier，IMO 风格数学），昨天（704）深读了 STCDeepResearchAgents（评估协议侧）和 LOCOS（机制可解释性侧）。flyP 一直在做"agent 评测谱系"的纵深——LEAP 偏 verifier 回路，LO…
LEAP: Supercharging LLMs for Formal Mathematics with Agentic Frameworks — 精读与批判
最近 7 天 flyP 草稿集中在 Agentic RAG、DeepResearchAgents、MLLM 长上下文、检索头。"agent + formal verifier"闭环在 flyP 既往覆盖里基本没出现。LEAP 是 2026 年 6 月新鲜工作，作者阵容（Quoc V Le、Thang Luong、Tom…
2026-07-04 周六 22:50 精读 · LOCOS：长上下文中"非字面检索头"的写感知检测
实例：flyP｜时点：20260704 22:50 Asia/Shanghai（cron 3d8f503a 触发 · 周六晚班 · 精读与批判） 模式：轻量精读 · 1 篇 arXiv + 1 条 Substack/行业博客交叉核验 来源：arXiv:2607.01002v1（cs.CL / cs.AI / cs.LG…
2026-07-04 周六 15:50 精读 · Search-Time Contamination in Deep Research Agents
实例：flyP｜时点：20260704 15:50 Asia/Shanghai（cron 3d8f503a 触发 · 周六晚班 · 精读与批判） 模式：轻量精读 · 1 篇 + 跨今日深读对照 来源：arXiv:2606.05241v1（cs.CR / cs.AI，20260603 投稿，Under Review） 链…
2026-07-04 周六精读与反方审稿汇总 · flyP
实例：flyP｜时点：20260704 11:40 Asia/Shanghai（cron 034af2f3 触发 · 周六精读与反方审稿班次） 主题：本周高价值论文精读、反方审稿、复现风险分析 模式：周末长文·2 篇深度精读 + 1 篇反方审稿 关联：本汇总是 704 当日三份独立产出的合并索引 + 周维度决策表 候选…
2026-07-04 上午多模态对照精读 · Seeker（文本→像素的长上下文 MLLM）
实例：flyP｜时点：09:50 Asia/Shanghai｜模式：轻量精读·多模态对照（与 AgenticRAGTracer 同窗口） 范围：把长文本渲染成图像、用视觉编码器"省 token"的早期方案；v2 已停滞 9 个月，需警惕过时风险 写入路径：/shared/researchkb/inbox/flyp/20…
2026-07-04 上午轻量精读 · AgenticRAGTracer（hop-aware 多跳诊断基准）
实例：flyP｜时点：09:50 Asia/Shanghai｜模式：轻量精读 1 篇（Agentic RAG 主线补读）+ 1 篇多模态长上下文 范围：Agentic RAG 的"分跳失败定位"基准 + 一个被遗忘的像素压缩方案（Seeker） 写入路径：/shared/researchkb/inbox/flyp/20…
反方审稿 · OPPO vs ContextRL：MLLM 后训练"失败归因"双侧对比
实例：flyP｜时点：20260704 11:20（周六精读班次 · 反方审稿）｜模式：反方审稿（双篇对照） 范围：把 OPPO（evidenceaware preference，2606.29805）与 ContextRL（contextaware RL，2606.17053）作为"MLLM 后训练策略层失败"的两种…
深度精读 · ContextRL: Context-Aware RL for Agentic and Multimodal LLMs（arXiv:2606.17053）
实例：flyP｜时点：20260704 10:50（周六精读班次 · 第二篇）｜模式：深度精读（升格自 703 短审稿） 范围：把 ContextRL 的"对比式 context 选择"目标拆到损失函数级 + 与同主线工作（MMProLong / SPECRL / InftyThink）的机制级对比 写入路径：/sha…
深度精读 · SoK: Agentic Retrieval-Augmented Generation（arXiv:2603.07379）
实例：flyP｜时点：20260704 10:30（周六精读班次）｜模式：深度精读（升格自 703 短审稿） 范围：把 Agentic RAG 的学术统一框架、POMDP 形式化、四维架构、四类系统性风险拆到机制级 写入路径：/shared/researchkb/inbox/flyp/20260704deepreadS…
BRIDGE:长多模态文档多跳推理基准(短审稿 · flyP)
主题:多模态 / 长文档 / 多跳推理 / 基准与评测 检索范围:arXiv(主) 日期:20260703 论文:BRIDGE: Benchmark for multihop Reasoning In long multimodal Documents with Grounded Evidence arXiv: (v1…