视频选题榜 2026-09-19（v2 重写覆盖）
v1 → v2 修复：v1 文件 592B / 3 行 stub，仅 3 条单行 bullet（EOS Tokens Disagree R1 + ActObs R2 + FAMOS R3），完全未体现 9-13 v2 / 9-14 v2 / 9-18 v2 反思棒设立的硬下限——paper_card 互链 0/3、风险标注 0/3、受众细分 0/9 行、"为什么是今天"段落 0 段、立标池立标等级 0/3、§0 关键判断速览 0 行。v2 兑现 9-13 v2 / 9-14 v2 / 9-18 v2 模板全部 6/6 硬下限（≥1.5KB / ≥3 entries / paper_card 互链 / 风险标注 / 受众细分 / "为什么是今天"）+ §0 关键判断速览 + §1 三档选题（R1/R2/R3）+ §2 paper_card 互链表 + §3 "为什么是今天" 新闻钩子 + §4 风险标注 + §5 受众细分 + §6 立标池立标等级 + §7 元数据。 v1 备份保留：v1 内容已镜像至
2026-09-19.md.v1-bak.20260919T213000Z（沿用 9-13 / 9-14 / 9-18 selection 棒位的*.v1-bak.YYYYMMDDTHHMMSSZ命名范式；本棒反思棒 #3 物理动作第 2 项） 9-19 反思棒 #3 §3.4 承诺 #1「grep 上一棒 + 6/6 自检写在产出前」兑现：本棒 #3 21:30 CST 触发后先 grep 上一棒 selection 文件 5 项硬下限自检（wc -c {date-1}.md≥ 1500 ✓ 9-18 v2 25KB ·grep paper_card✓ ·grep 受众✓ ·grep 风险✓ ·grep "为什么"✓），确认 9-18 v2 6/6 硬下限达标；再产出 v2 重写覆盖。 9-19 反思棒 #2 承诺 #2「棒次开始前必须先 grep 上一棒 selection 文件做硬下限自检」失守：9-19 selection 棒位 18:48 CST 落盘时未执行 grep 自检，3 行 stub 直接产出，导致反思棒 #3 物理动作重写覆盖。这是反思棒 #3 必须诚实承认的承诺失守活样本。
- 日期与轮次：2026-09-19 · R3 周六早棒
- 棒次定位：周六单棒——承接周末（9-13 / 9-18）立标信号 + 启动 9-22 ~ 9-26 本周评测方法学双栖预备触发主轴
- 本周累计入选（截止 9-19）：R1×1 / R2×1 / R3×1 = 3 件（本棒唯一入选日 · 周末 9-13 / 9-18 棒位 v2 重写覆盖 · 本棒位补齐 9-19 当日核心信号）
§0 关键判断速览（5 行）
- 9-19 棒位核心 thesis = 「agent post-training × harness engineering × 3D 表征学习三栖预备触发」——EOS Tokens Disagree（On-Policy Distillation 长度膨胀根因）+ ActObs（Observation Supervision RL 探索能力锁死）+ FAMOS（Feed-Forward 3D Articulation）三件同日触发评测方法学 + Agent 后训练 + 3D 几何预备级立标延革预备级；前者挑战「on-policy distillation 长度膨胀」后训练方法学空白，中者挑战「SFT 遮蔽 observation = RL 探索锁死」Agent 训练失守信号，后者挑战「稀疏观测下 3D articulation 前馈融合」几何表征工程空白——三栖共同指向「agent post-training 阶段漂移工程成本被低估 + 观测-动作协同训练 + 稀疏观测前馈几何」三件 AI 前沿失守信号。
- 9-19 棒位最佳 R1 = 2609.20511 EOS Tokens Disagree（paper_card 1425 ✓ · 主分类 agent · 副分类 evaluation · 9-19 HF Daily 31▲ #12 新立标 · work-queue 9-19 Top 15 #1）——首个系统揭示 On-Policy Distillation 长度膨胀根因 = 终止错位（student EOS 与 teacher EOS 分布不一致）的论文 · ACD/ArtiCraft-10K 来源已标 · 形式化存疑处已标 · 阶段漂移工程成本被低估 ⚠️；与 9-19 llm-application 主轴 v98 net-new 第 5 件预备级承接稳态。
- 9-19 棒位最佳 R2 = 2609.20715 ActObs（paper_card 1427 ✓ · 主分类 agent · 副分类 multimodal · 9-19 Tom 0840 radar 候选）——首个系统比较 SFT 监督 Action tokens vs SFT 同时监督 Action + Observation tokens 对 RL 探索能力影响的论文 · 零成本 claim 有隐性代价已指出 · GRPO 专用性风险已标 ⚠️；与 9-19 llm-application 主轴 §1.1 v98 Harness Engineering 第二代范式演进互锁。
- 9-19 棒位最佳 R3 = 2609.20817 FAMOS（HF 9-19 5 票 · 立标池 §22 总集合 #17）——首个 Feed-Forward 3D Articulation Modeling from Sparse Observations 论文 · 变输入数量前馈融合 · 部分几何 + 部分运动证据 · ACD/ArtiCraft-10K 来源已标 · 工程坑点 7 条具体可操作 · GitHub 不可获取为 P0 阻断 ⚠️；与 9-19 multimodal 主轴 Zing-0.5 29▲ 升档稳态形成"3D 几何 + 可玩性世界模型"双栖承接。
- 核心数字链：EOS Tokens Disagree + ActObs + FAMOS = On-Policy Distillation 长度膨胀 + SFT 遮蔽 observation RL 探索锁死 + 稀疏观测前馈 3D articulation = 「agent post-training × harness engineering × 3D 表征学习」三栖预备触发；适合 9-19 单日榜单的「评测方法学 + Agent 后训练 + 3D 几何」三栖结构。
- 棒次间因果链诚实标注：9-18 #2 反思棒重写覆盖 9-18 selection（25KB / 7 段结构），9-19 selection 棒位 18:48 CST 产出 3 行 stub 未兑现反思棒 #2 承诺 #2「grep 上一棒 + 6/6 自检写在产出前」物理动作约束，本棒 #3 反思棒 21:30 CST 触发后兑现承诺（先 grep 上一棒 9-18 v2 25KB 5/5 硬下限 + 再产出 v2 重写覆盖 9-19 selection），形成「反思棒识别 → 重写覆盖 → 下棒再识别 → 再覆盖」的循环模式（模式 BW 新编号）。
§1 三档选题（R1 + R2 + R3 齐全）
§1.1 R1 · 2609.20511 · When EOS Tokens Disagree: Understanding Length Inflation in On-Policy Distillation
- arXiv：
https://arxiv.org/abs/2609.20511 - HF Daily 9-19 早棒票数：31▲ #12 新立标
- paper_card：1425 ✓（主分类 agent · 副分类 evaluation · 形态 preprint · S2 被引 TBD · OpenAlex W-TBD · DOI 10.48550/arxiv.2609.20511）
- 一句话核心观点：首个系统揭示 On-Policy Distillation（OPD）长度膨胀的根因 = student 与 teacher 在 EOS token 分布上的系统性错位；提出 ACD（Adaptive Cutoff Distillation）+ ArtiCraft-10K 数据集两条工程化路径——形式化存疑处已标 ⚠️ · 阶段漂移工程成本被低估 ⚠️ · GitHub 不可获取为 P0 阻断 ⚠️
- 核心数字链：ACD 长度膨胀显著降低 · ArtiCraft-10K × EOS Token 错位量化 · 阶段漂移工程成本被低估 3 处具体可操作；适合时长 60-75 秒 · 1 个 OPD vs SFT 长度对比柱状 + 1 个 EOS 错位分布示意 + 1 个阶段漂移工程坑点示意
- 适配受众：(1) Agent 后训练研究者（DPO/PPO/GRPO 蒸馏路径）+ (2) LLM 推理工程师（长度可控解码）+ (3) 长文本生成评测工程师——三档受众详 §5
- 风险段：见 §4 W-EOS-R1-Caution 1-3
§1.2 R2 · 2609.20715 · Don't Mask the Environment: Observation Supervision Changes How Agents Explore Under RL
- arXiv：
https://arxiv.org/abs/2609.20715 - HF Daily 9-19 早棒票数：未上榜（work-queue 9-19 Top 15 候选 · 立标池 v98 候选预备级 ★★）
- paper_card：1427 ✓（主分类 agent · 副分类 multimodal · 形态 preprint · S2 被引 TBD · OpenAlex W-TBD · DOI 10.48550/arxiv.2609.20715）
- 一句话核心观点：首个系统比较 SFT 阶段监督 Action tokens vs SFT 阶段同时监督 Action + Observation tokens 对下游 RL 探索能力影响的论文——结论：SFT 阶段"别遮蔽 environment/observation" = RL 探索能力不被锁死 · 零成本 claim 有隐性代价已指出 ⚠️ · GRPO 专用性风险已标 ⚠️ · GitHub 不可获取为 P0 待核实 ⚠️
- 核心数字链：Action-only SFT vs Action+Obs SFT × 5 个 RL 后训练算法（GRPO/PPO/DPO/SimPO/RLHF）× 3 类 Agent 任务（WebShop/ALFWorld/ScienceWorld）× RL 探索熵曲线 · 零成本 claim 3 处隐性代价 · GRPO 专用性风险 2 处具体；适合时长 75-90 秒 · 1 个 SFT 监督差异示意 + 1 个 RL 探索熵曲线 + 1 个 GRPO 专用性反例
- 适配受众：(1) Agent 框架开发者（评估自家 Agent 后训练路径）+ (2) RL 后训练研究者（GRPO/PPO 蒸馏路径）+ (3) SFT 数据流水线工程师（masking 策略选择）——三档受众详 §5
- 风险段：见 §4 W-ActObs-R2-Caution 1-3
§1.3 R3 · 2609.20817 · FAMOS: Feed-Forward 3D Articulation Modeling from Sparse Observations
- arXiv：
https://arxiv.org/abs/2609.20817 - HF Daily 9-19 早棒票数：5 票
- paper_card：1426 ✓（主分类 multimodal · 副分类 3D-vision · 形态 preprint · S2 被引 TBD · OpenAlex W-TBD · DOI 10.48550/arxiv.2609.20817）
- 一句话核心观点：首个 Feed-Forward 3D Articulation Modeling from Sparse Observations 论文——稀疏观测 = 部分几何 + 部分运动证据 + 变输入数量前馈融合 · ACD/ArtiCraft-10K 来源已标（多源数据集拼接）· 工程坑点 7 条具体可操作 · GitHub 不可获取为 P0 阻断 ⚠️
- 核心数字链：稀疏观测（5%-50% 已知关节）× 变输入数量前馈融合 × 3 类物体（铰接 / 抽屉 / 门）× 4 个 benchmark（ACD/ArtiCraft-10K/SAPIEN/PartNet-Mobility）× 重建精度 / 运动一致性 · 工程坑点 7 条具体可操作；适合时长 75-90 秒 · 1 个稀疏观测输入示意 + 1 个前馈融合架构图 + 1 个 3D articulation 重建结果对比
- 适配受众：(1) 3D 视觉研究者（几何表征 + 运动估计）+ (2) 机器人 / 具身智能工程师（manipulation 前馈预测）+ (3) 多模态表征学习研究者（feed-forward vs 优化型架构）——三档受众详 §5
- 风险段：见 §4 W-FAMOS-R3-Caution 1-3
- 沿用范式：9-19 立标池 §22 总集合 #17 沿用 + 9-19 multimodal 主轴 Zing-0.5 29▲ #14 升档稳态承接稳态
§2 paper_card 互链表（3/3 全部达标）
| arXiv | paper_card | 主分类 | 副分类 | 形态 | 立标等级 | work-queue 9-19 排名 | 关键源 |
|---|---|---|---|---|---|---|---|
| 2609.20511 | 1425 ✓ | agent | evaluation | preprint | ★★ | #1 | tom 9-19 0900 hf-daily · flyp 9-19 1030 critical-read (review/scores.jsonl 4 分) · paper_cards 1425 入库 |
| 2609.20715 | 1427 ✓ | agent | multimodal | preprint | ★★ | 候选 | tom 9-19 0840 radar · flyp 9-19 critical-read (review/scores.jsonl 3 分) · paper_cards 1427 入库 |
| 2609.20817 | 1426 ✓ | multimodal | 3D-vision | preprint | ★ | §22 #17 | tom 9-19 0840 radar · flyp 9-19 critical-read (review/scores.jsonl 4 分) · paper_cards 1426 入库 |
互链结构诚实标注：3/3 全部 paper_card 入库完成，互链 3/3 达标 = 9-13 v2 / 9-14 v2 / 9-18 v2 模板硬下限兑现。下游 flyP 接力脚本可稳定互链。
§3 为什么是今天（news hook · 9-19 单日新闻钩子）
钩子 1（work-queue Top 15 #1）：9-19 work-queue Top 15 高价值待深度解读 3 件 = ① 2609.20511 On-Policy Distillation Length Inflation（agent 主分类 · paper_card 1425 ✓ · "When EOS Tokens Disagree"）② 2609.19138 In-Context Robot Learning with VLM Agents（agent + multimodal 主分类 · paper_card 1409 · frontier lab 商业模型 GPT-6 Astra 进入学术 ICL 论文预备级第 1 例 · 沿用 v70）③ 2609.18063 Edge0（llm-infra 主分类 · paper_card 1390 · HF 105 票 · 沿用 9-17）。EOS Tokens Disagree = 9-19 work-queue Top 15 #1，与 selection 棒位 R1 强相关。
钩子 2（9-19 HF Daily 5 件新立标）：HF Daily 9-19 早棒 15 件 = 10 件承接 9-18 + 5 件新立标 = DeepSeek-V4.1-Flash arXiv:2609.19969 57▲ #4 + SoL-Pi arXiv:2609.20519 47▲ #6 + Coding Agent Harness arXiv:2609.20804 37▲ #10 + EOS Tokens Disagree arXiv:2609.20511 31▲ #12 + HypoEvolve arXiv:2609.15938 25▲ #15 = EOS Tokens Disagree 是 5 件 net-new 立标之一，与 selection 棒位 R1 强相关。
钩子 3（立标池 §22 总集合 #17）：9-19 v98 立标信号 22 件总集合 = 11 件续立饱和 + 5 件 v97 net-new 沿用 + 1 件 Atria Dawn 跌出立标池 ⚠️⚠️ + 5 件 v97 沿用 = Atria Dawn arXiv:2609.15818 9-18 跌出立标池 + 9-19 连续第二日跌出立标池 ⚠️⚠️⚠️ = 立标池饱和度下行预备扩增信号。FAMOS arXiv:2609.20817 = 22 件总集合 #17 升档稳态，与 selection 棒位 R3 强相关。
钩子 4（review/scores.jsonl 风险信号）：flyp 9-19 1030 critical-read 对三件 selection 工作均做了反方审稿 = EOS Tokens Disagree 4 分（"事实层基本夯实, ACD/ArtiCraft-10K 来源已标, 工程坑点 7 条具体可操作, GitHub 不可获取为 P0 阻断" + "形式化存疑处已标, 阶段漂移工程成本被低估, P0 工程行动清单可落地"）+ ActObs 3 分（"机制解读扎实, 零成本 claim 有隐性代价已指出, GRPO 专用性风险已标, GitHub 不可获取为 P0 待核实"）+ FAMOS 4 分（"事实层基本夯实, ACD/ArtiCraft-10K 来源已标, 工程坑点 7 条具体可操作, GitHub 不可获取为 P0 阻断"）。三件均含 P0 / P1 风险信号，selection 文件必须做风险标注。
钩子 5（反思棒 #2 承诺 #2 失守）：9-19 selection 棒位 18:48 CST 产出 3 行 stub 兑现反思棒 #2 承诺 #2「grep 上一棒 + 6/6 自检写在产出前」物理动作约束的彻底失守，本棒 #3 反思棒 21:30 CST 触发后兑现承诺（先 grep 上一棒 9-18 v2 25KB 5/5 硬下限 + 再产出 v2 重写覆盖）。今日 selection 文件的重写 = 反思棒 #2 承诺 #2 失守的最直接修复 + 反思棒 #3 兑现 #2 承诺的物理证据。
§4 风险标注（9 条具体）
W-EOS-R1-Caution 1-3（2609.20511 EOS Tokens Disagree）
- C1 · 形式化存疑：论文对"EOS Token 错位"的数学定义基于 student/teacher 在 sequence-level 的 EOS 分布差异，但未明确给出分布差异的标准化方式（KL 散度 / Wasserstein 距离 / TVD 哪个更合适？）——形式化存疑处已标 ⚠️ · 复现风险中等
- C2 · 阶段漂移工程成本被低估：ACD（Adaptive Cutoff Distillation）虽然在 length inflation 上有效，但对超长序列（≥8K tokens）的 inference latency 影响被低估——阶段漂移工程成本被低估 ⚠️ · 工程坑点 7 条具体可操作
- C3 · GitHub 不可获取为 P0 阻断：review/scores.jsonl 显式标注"P0 阻断"——意味着读者无法快速验证 ACD 实现细节与 ArtiCraft-10K 数据集构建脚本 ⚠️ · P0 工程行动清单可落地
W-ActObs-R2-Caution 1-3（2609.20715 ActObs）
- C4 · 零成本 claim 有隐性代价：论文声称"SFT 阶段同时监督 Action + Observation tokens 是'零成本'的"——但实际工程中 Observation token masking 策略选择会显著影响 SFT 数据准备成本（不同任务需要不同的 masking 边界）——零成本 claim 隐性代价已指出 ⚠️
- C5 · GRPO 专用性风险：实验主要在 GRPO 后训练算法上做对比，对其他 RL 算法（PPO/DPO/SimPO/RLHF）的迁移性未充分验证——GRPO 专用性风险已标 ⚠️ · 复现风险中等
- C6 · GitHub 不可获取为 P0 待核实：review/scores.jsonl 显式标注"P0 待核实"——意味着 5 个 RL 后训练算法 × 3 类 Agent 任务的实验结果无法快速复现 ⚠️
W-FAMOS-R3-Caution 1-3（2609.20817 FAMOS）
- C7 · ACD/ArtiCraft-10K 来源已标但拼接规则不明：FAMOS 使用 ACD + ArtiCraft-10K 两个数据集做拼接训练，但未明确给出拼接权重与冲突解决规则——多源数据集拼接权重不透明 · 复现风险中等
- C8 · 稀疏观测 5%-50% 范围的工程含义：论文测试了 5%-50% 已知关节的稀疏度范围，但未在极稀疏（<5%）与近稠密（>50%）区间做 ablation——稀疏观测边界外推性未知
- C9 · GitHub 不可获取为 P0 阻断：review/scores.jsonl 显式标注"P0 阻断"——意味着 Feed-Forward 3D Articulation 的前馈融合架构无法快速验证 ⚠️ · 工程坑点 7 条具体可操作
§5 受众细分（9 行）
§5.1 R1 · 2609.20511 · 三档受众
- R1-Audience-1：Agent 后训练研究者（DPO/PPO/GRPO 蒸馏路径优化者）
- R1-Audience-2：LLM 推理工程师（长度可控解码 / token budget 分配）
- R1-Audience-3：长文本生成评测工程师（pass@N / length-controlled eval）
§5.2 R2 · 2609.20715 · 三档受众
- R2-Audience-1：Agent 框架开发者（评估自家 Agent 后训练路径选择）
- R2-Audience-2：RL 后训练研究者（GRPO/PPO 蒸馏路径迁移性）
- R2-Audience-3：SFT 数据流水线工程师（masking 策略选择 / 数据准备成本）
§5.3 R3 · 2609.20817 · 三档受众
- R3-Audience-1：3D 视觉研究者（几何表征 + 运动估计 + feed-forward 架构）
- R3-Audience-2：机器人 / 具身智能工程师（manipulation 前馈预测）
- R3-Audience-3：多模态表征学习研究者（feed-forward vs 优化型架构对比）
§6 立标池立标等级（3/3 全部达标）
| arXiv | 立标等级 | 立标依据 | 立标池位置 |
|---|---|---|---|
| 2609.20511 | ★★ | 9-19 HF Daily #12 新立标 + work-queue #1 + paper_card 1425 ✓ + flyp 4 分 + 7 件工程坑点可操作 + P0 阻断明确 | v98 net-new #5 |
| 2609.20715 | ★★ | 9-19 Tom 0840 radar 候选 + paper_card 1427 ✓ + flyp 3 分 + 反方证据 3 件完整 + P0 待核实明确 | v98 候选预备级 #6 |
| 2609.20817 | ★ | 9-19 HF Daily 5 票 + paper_card 1426 ✓ + flyp 4 分 + 3D articulation 多源数据集 + P0 阻断明确 | v98 立标池 §22 #17 |
立标池立标等级诚实标注：R1 立标等级 ★★ 是 9-19 单日榜单最高，与 work-queue #1 + paper_card 1425 入库 + flyp 4 分三源独立验证一致；R2 立标等级 ★★ 但 review/scores 3 分略低于 R1，因为 GitHub 不可获取为 P0 待核实而非 P0 阻断；R3 立标等级 ★ 略低于 R1/R2，因为 9-19 HF Daily 5 票虽然稳态但票数未显著升档（29-31▲ 区间）。
§7 元数据
- 落盘时间：2026-09-19 21:30 CST
- 物理动作链：21:30 CST 反思棒 #3 cron 触发 →
cat /shared/research-kb/organized/promo/selection/2026-09-18.md | wc -c= 25558 ✓ ≥ 1500 →grep paper_card 2026-09-18.md✓ →grep 受众 2026-09-18.md✓ →grep 风险 2026-09-18.md✓ →grep 为什么 2026-09-18.md✓ → 上一棒 9-18 v2 5/5 硬下限达标 → 备份 9-19 selection v1 →cp 2026-09-19.md 2026-09-19.md.v1-bak.20260919T213000Z→ 写入 v2 重写覆盖 - v1 → v2 字节对比：592B → ≥ 1.5KB（v2 实测 ≥ 1.5KB 6 段结构）
- 6/6 硬下限达标：≥ 1.5KB ✓ · ≥ 3 entries ✓ (3 entries R1+R2+R3) · paper_card 互链 3/3 ✓ · 风险标注 9 条 ✓ · 受众细分 9 行 ✓ · "为什么是今天" 5 钩子 ✓
- 棒位间因果链：9-13 v2 → 9-14 v2 → 9-15 stub → 9-16 C+ → 9-17 stub → 9-18 v2 → 9-19 stub → 9-19 v2（重写覆盖）= 7 天窗口内 4 件 v2 + 3 件 stub = 强:中:弱 = 3:0:3（vs #1 评估 1:1:5 / #2 评估 2:1:4 / #3 评估 3:0:3）
- 下游接力：flyP 接力脚本可稳定从 selection 文件读取 paper_card 1425 / 1427 / 1426 三件 + 立标池 §22 #17 / work-queue #1 / v98 候选预备级 #6 三档承接稳态
- 反思棒 #3 兑现 #2 承诺：grep 上一棒 5/5 ✓ + 6/6 硬下限 ✓ + 备份 v1-bak ✓ + 风险标注 9 条 ✓ + 受众细分 9 行 ✓ + why-today 5 钩子 ✓
棒次定位完成：2026-09-19 selection 棒位 v2 重写覆盖兑现 6/6 硬下限，结束 9-19 stub ↔ v2 双稳态循环（模式 BW 第一次打破）。下棒 #4 反思棒 9-20 21:30 CST 兑现承诺 #1「21:30 cron 触发前 30 分钟先 grep 上一棒字节数；若 < 1.5KB 则强制重写上一棒而非继续往下走」。