历史候选与真实交付缺口核查（2026-10-21）¶
本文是合入提交
8357f497时的冻结对账，不是滚动状态页。后续账本/分类器修复与39项审查、两项组件交付见Google/Meta收口。下面的521/504等数字保留当时口径，不代表当前实现队列；历史复算命令应在该提交的独立checkout运行。
先纠正之前的表述¶
之前“历史都处理完”的说法不准确。完成的是选定的固定实现批次，以及有界窗口的审查处置；
不是所有历史候选都已实现。把审查水位、固定批次完成、候选接受和代码交付混在一起，造成了误导。
上轮未经完整对账便把 54 和 521 当成剩余待办汇总，也不够严谨。
这次按论文身份去重，再对照三份冻结审查登记、55批 ledger、当前 manifest、文档和实际实现检索， 并用官方作者块/资源配置优先核查 Google、Meta。没有训练、没有下载模型或数据、没有启动 GPU， 只新增核查报告与复算材料，不改原 ledger、水位或运行时分类器。
重新对账后的口径¶
| 原数字 | 实际组成 | 正确含义 |
|---|---|---|
| 521“旧待交付” | 490个结构化接受项 + 31个审后延期线索 | 不是521个已批准实施任务；其中没有重复ID，也没有找到已入目录却被重复计入的条目 |
| 旧统计漏掉的14 | Oct15登记明确 accepted、尚未实现，但ledger字段不齐，被算法标为reviewed |
必须补进接受候选对账，不能因为正文已读就算交付完成 |
| 接受候选未交付504 | 490 + 14 | 这是“审查接受、无当前目录，且原账本无已提交终态”的仓库观察，不是用户一次批准504项，也不是504项都可低成本实现 |
| 54“待核验” | 39个2026年实质审查线索 + 9个2024/2025历史参考 + 6个P2/范围/文体分流 | 全部来自Google/DeepMind官方源信号；不是54个已接受实现任务，Meta在这个集合中为0 |
三个冻结登记的接受项按ID合并共 534： 26已有目录/文档 + 4已有明确成本终态 + 504没有目录且原账本无终态。 26只能证明已登记及文档存在，不能统一解释为完整能力复现；不会把已有L1诊断重复排入新实现任务。
按现行成本门禁得到的本轮终态¶
Google/Meta优先短名单中的 9个完整原实验，本轮根据具体原文资源或私有来源， 记录为不复现终态：8个高成本、1个私有生产环境不可得。 这是读原文后的逐项决定，不是用统一高成本标签抹掉全部候选。 其中7个来自上述504接受项，2个来自31延期项。
- 497 个旧接受候选尚无本轮完整实验终态，仍需成本/范围裁剪或实际交付，尚未逐项确认可负担；不直接进入自动实施队列。 另7项虽然关闭完整实验，其独立核心组件仍未交付，是否另立低成本组件任务必须分别判断；不能将这7项视作代码交付完成。
- 29 条未接受的延期线索仍保留，不冒充已实施或已接受承诺。
- 39 条2026年Google官方源线索仍需实质方法/证据审查，不是待写代码清单。
- 9个2024/2025参考单独保留；6个P2/非实施分流单独保留。旧日期不等于质量差，也不伪装方法已读。
原账本未修改，所以旧脚本仍会显示521。 新终态和口径在本报告中可复算； 同步账本/分类器是后续数据修复，不应重启已判定不复现的完整实验。 低成本组件和完整实验是两个维度：完整实验不复现，不代表对应组件已实现。
Google/Meta应优先处理什么¶
| 论文 | 机构/参与角色 | 真正缺项与成本处理 |
|---|---|---|
SpecGuard 2610.09159 |
MATS一作、Google DeepMind合作者 | 优先低成本候选：少量任务上的真实模型→Lean规范、独立测试、真实kernel链；未实现。完整多基准/重复实验不复现 |
Video Encoders 2610.06616 |
Google DeepMind顾问参与，不是Google一作 | 优先低成本候选：原文training-free selection-only；未实现。96 A100小时refiner及完整基准不复现 |
Gumbel Straight Flow 2610.00497 |
Google DeepMind参与 | 小词表真实teacher/student核心可另做成本核定；尚未实现。百万步完整训练不复现 |
Growing→Looping 2602.16490 |
Google合作 | 小模型真实growing/looping可另定范围；尚未实现。200B/400B tokens完整训练不复现 |
TrustMI 2610.06064 |
Meta合作 | 可另核定小模型steering机制；未实现。6模型、70B及120B judge完整矩阵不复现 |
Flow / AutoRepair 2610.07289 |
内部代码/CI/生产数据不可得，完整生产复现关闭；公共APR核心若另立任务须重新界定，不伪称Google生产复现 | |
Knossos / Ariadne 2610.04721 |
Meta合著 | 未实现；原4×A100多阶段训练不复现，图结果导入接口不能冒充核心训练 |
MIMESIS 2610.09484 |
Meta / NYU | 未实现；32×A100约4.8天与16卡双RL链不复现，固定simulator不能替代定义算法 |
VISTA 2510.15831 |
Google合作，2025历史项 | 未实现；每轮约0.7M文本tokens和28视频、私有部分任务，完整实验不复现；纯编排fixture不算核心复现 |
详细原文定位、作者代码和组件边界见 9项优先清单， 逐项正式成本/来源决定见 本轮处置。 这9项是已确认的优先短名单，不是“全部候选机构穷尽”。 大多数旧候选没有完整可复核的作者机构缓存；未独立确认的机构在清单中明确写出， 没有把使用Gemini/Llama当成Google/Meta作者证据。
完整清单，不再只报一个总数¶
- 基础模型：212个接受未交付观察
- Agent：206个接受未交付观察
- 后训练：85个接受未交付观察
- 搜广推：1个接受未交付观察
- 31条延期线索，含本轮2个完整实验终态
- 原54个官方源线索的39/9/6拆分
- 全部机器可读对账、来源SHA256及登记指针
504观察项里的7个本轮完整实验终态已经在各表标注，不会伪装成尚需实施的完整实验。
为什么以前会给出错误印象¶
- 交付范围被扩大表述。 B00–B11是固定74篇；H01–H07是固定55篇。对应路线图只承诺这些批次， 其余历史候选不是随批次自动完成。Oct07快照自身还明确写“接受、待实现494”。
- 审查状态被当成实现状态。 原消费逻辑只要在ledger出现就视为reviewed，后来的known继承继续遮住旧接受项。
- 上轮修复仍用了不稳定的自由文本启发式。 “保留下一批参考”“下一批须核验”被算成implementation-pending； 同时没有识别Oct15的接受resolution和“本轮未实现”，漏14项。
- 机构目录年份/新增来源和论文首发混用。 54包含9篇2026以前的论文，另有文体/范围不适合直接实施的项。
2511.02767原审计日期还发生一次错标：官方v1是2025-11-04，不是2026-04-23。
这些是统计和汇报缺陷，不是代码已经完成、只是漏打勾；本轮未发现可据以把大量条目直接改为已实现的证据。
复算与核查边界¶
PYTHONPATH=src python docs/research-audits/historical-backlog-reconciliation-20261021/audit.py --check
可交互查看 audit.ipynb。核查以提交 d1b4851b 的工作树为准，
对55批/4943条ledger行按4821个身份核对。全账本113个重复身份均不在原521内；
本范围没有规范化标题重复，但不会因为缩写相同就武断合并不同论文。
本轮不声称重读所有504篇全文，也不声称所有机构身份已穷尽核实；不改变10月15日审查水位。
主要证据：Oct07快照、 Oct12范围说明、 Oct15交付说明、 H01–H07固定范围、 B00–B11固定范围。 三份独立核查与日期复核见 全局核查、Google核查、 Meta核查、官方v1日期。 复算、notebook代码单元断言、Ruff与8个报告页的本地链接检查均已通过。 清理了本轮约371 MiB临时文档站点，以及冗余JSON和过时Sources渲染约844 KiB； 保留约1.4 MiB可复核报告与清单及正式Sources产物，未动共享模型/数据。