2026-10-07：重叠扫描、两篇真实模型实现与未完成队列¶
后续的扫描修复和逐篇结论见本批审查收口。 本页数字保留原始扫描快照；后续日期查询与月份编号补查已经独立保存完整回执。
先看结论¶
本轮实现 FrugalEvo 和 Sentry 的独立控制器与公开 checkpoint 执行路径。它们均首次发表于 10 月 2 日，属于前轮候选的实现，不是今天新发表。真实 A100 运行与单篇指标分开记录；没有注册成已经完成统一 Evolve 集成的算子。
另外五篇完成了方法与实现条件复核，仍未实现，详见下表。新发现的 Airbnb SIFT 与 Google TEE-FL 也只是证据明确的待实现项，不能计入已实现篇数。
验收结果：本地 1,271 项测试通过；严格文档构建、规格/格式/平台审计通过。两篇均完成 A100 三 seed 真实 checkpoint 实验，结果为负：Sentry EM 29.17% 对基线 41.67%；FrugalEvo 最佳半径和均值 2.32222 对弱模型 2.40000。指标按论文单独保存，GPU 回执只证明执行，不代表论文规模效果或 Evolve 晋级。
扫描覆盖与数字口径¶
窗口为 2026-10-01 至 2026-10-07。四条主轨使用官方 arXiv 查询，查询传输均返回，但每查询上限 400，部分触顶；机构目录还有超时。coverage_complete=false，最后完整水位保持 2026-10-02，下次仍保留 10-01 重叠窗口。没有使用 DeepXiv。
| 查询轨道 | 标题命中 | 请求窗口内未登记命中 | 触顶查询 / 总查询 |
|---|---|---|---|
| 搜广推与 LLM 应用 | 39 | 31 | 5 / 22 |
| 基础模型（含多模态交叉） | 453 | 398 | 8 / 8 |
| 后训练 | 200 | 164 | 7 / 8 |
| Agent（含 RSI/Jev 交叉） | 434 | 381 | 8 / 8 |
这些是宽查询候选，不是满足门槛的新论文数。跨轨去重后为 1,010 条，含已实现、窗口外相关项和未审项；不能把四行相加当作新增论文数。完整标题池和机器回执已落盘，避免下一轮只看到一个大数字：
上一轮的“48”指请求窗口 10-02～10-06 内未登记标题；69 条来自额外 10-01 重叠日，另有 28 条更早相关项。48 条已逐项做标题/摘要判断，不等于 48 篇全部完成全文复核。
Google Research 三页、Meta 两页自动抓取超时；DeepMind 的 9 页、265 个出版物记录读到，但身份匹配预算有限，状态仍为 partial。手工官方页复核补出下面的 Google 论文，不能用自动待审队列为 0 来断言没有遗漏。
优先机构与新增工业证据¶
| 优先级 | 论文与时间 | 已核验证据 | 当前决定 |
|---|---|---|---|
| P0 · Google | Toward provably private learning from federated data，首次 09-25；官方发布 10-02 | 正文 §5.3：每组 350 万设备，隐私预算约降至三分之一，关键输入体验指标持平；训练从两个月降至三周 | 旧文补发现。符合生产证据门槛；TEE 远程证明、KMS、DP 与可复现构建才是核心，普通 CUDA 模拟不能证明隐私保证；未实现 |
| P0 · Airbnb | SIFT，首次 10-06 | PDF 第 7 页 §8.2/表 4，随机身份分流：推荐过滤器点击人数 +20%，普通 booking 护栏 +0.03% 不显著；第 8 页表 6 的酒店扩展实验才有市场总未取消预订 +0.76% | 近期新文。满足线上门槛；原始旅程/过滤器/数值容量标签尚无公开等价数据，未实现 |
Meta 官方页面补看了近期 AI 辅助数学结果与既有 MaDRL 入口；前者不直接当作模型训练算法，后者不重复登记。该定向检查不代表 Meta 全部官方目录已审完。
五篇候选的方法核查与验收缺口¶
这里的“未完成”不表示论文不可做，也不以作者暂未开放训练代码作为永久拒绝理由；它明确下一步不能省略的执行链。
| 论文 | 不可替代的核心 | 仍需完成的实际工作 |
|---|---|---|
| Dynamic Expert Pruning | 提示条件的逐层专家预测；REAP 校准目标、BCE 和软掩码 KD；真实稀疏专家驻留/差分加载 | 获取真实 MoE 和工作流校准轨迹，训练预测器，测质量/峰值显存/加载成本。不能用稠密层剪枝或理论显存代替 |
| RC-OPD | 首个错误锚点修复、学生在已修前缀后续写、多轮成功链的局部蒸馏与预算回退；附录 B.6 是逐词表项上截断，不是普通 KL | 作者仓库当前为评测与 checkpoint，训练未开放。独立实现仍需真实诊断/续写/训练链和无泄漏对照，不能只交一个 loss 函数 |
| Recursive Harness Self-Improvement | 固定 verifier；在线技能与批后候选副本隔离；同 cohort 有效性、难度和成本 gate，最多三次失败回退 | 接真实生成器与可验证任务，记录被拒提案及所有成本；零准确率按附录特殊处理，不能把随机难度分数当验收 |
| Pivot-SD | 冻结 masked-diffusion 去噪轨迹，剩余掩码位置的熵下降选 pivot；成功 CE、失败仅 pivot unlikelihood | LLaDA/Dream 真 checkpoint 的预提交掩码状态采集和训练，独立 benchmark；自回归 Qwen 的 token 熵不能冒充扩散轨迹 |
| KV² | 分块代理选重建 query、在完整 KV 后实际重建、逐头注意力打分和全局压缩；不是只做 top-K | 核对 KeyDiff 实现、实际 KV/位置编码接口，完成 CUDA 重建及长上下文质量/延迟/显存对照；本轮没有实现或 GPU 回执 |
后续执行顺序¶
- 先处理 Google TEE-FL 的可公开复现边界和 SIFT 数据映射；不能因私有日志而伪造线上标签。
- RC-OPD、KV² 优先做完整可执行路径；Dynamic Expert Pruning、Pivot-SD、Harness 按上表准备模型/环境和真实验证。
- 继续标题池的定向全文复核与失败来源补扫。查询触顶、未审项和身份不明项均保留，覆盖完成前不推进水位。
统一待办仍只维护在路线图；本页是本次扫描与交付的固定审计快照。