2026-10-13～10-15 审查收口¶
审查水位推进至 2026-10-15。这是截至 本次状态的 review_as_of
的有界审查，不是未来整天、全网或全站无遗漏的保证，也不代表论文全部实现。
本 MR 只做审查、证据整理和校验：没有训练、GPU 探针、大权重下载或新算法实现。
高成本候选按用户要求记为 成本过高，不复现（审查 DONE）：保存原文配置、成本依据和单卡预算， 不进入自动重试、实现或执行型 evolve 队列，不再作为待算力的 TODO。 “无法用便宜只读核对确定完整成本”与“原文实报多卡/数小时”分开记录，均不是本机实测。 尚可负担的候选只表示审查接受，本轮未实现；后续若做，应另定小而忠实的验收范围。
这次到底处理了多少¶
| 项目 | 数量 | 实际含义 |
|---|---|---|
| 配置召回去重身份 | 3,742 | 不是合格论文数，也不是全文数 |
| 新登记、窗口内首发 | 794 | 依据 arXiv published，不是公告或目录日期 |
| 新登记、历史/重叠 | 1,320 | 日期/范围分流，或明确单列的旧文补复核 |
| 已有身份 | 1,628 | 继承旧决定，不重复算新审全文 |
| 已知身份最新版本另审 | 11 | 已包含于已有身份，不另加总 |
| 非 arXiv 官方身份 | 2 | CATWILD / Meta AutoformBench；不伪造 arXiv 或首发日 |
| 高成本不复现、审查完成 | 383 | 包含重点补发现/修订版，不是未完成训练 TODO |
| 可负担的审查接受 | 14 | 未实现、无新实验、不自动执行 |
| 非阻塞来源例外 | 37 | 官方日期/身份/分页与2项有界原文例外 |
| 本轮新增论文实现 / GPU 训练 | 0 | 不把审查完成当作实现完成 |
截至时间：2026-10-15T15:39:55+08:00；完整登记含 3,744 个唯一身份。
宽查询会包含数学、临床、传统控制等范围外文章；它们不是“新增合格论文”。 794 条是此前未登记、且首发日期在本窗口的记录；另有 1 条窗口首发已有记录，未重复计新。 历史/重叠项可以只完成身份、日期和摘要范围分流，不冒称本窗口新论文的算法全文审查。 每条都保留实际读法：摘要初筛、指定方法/评测/资源段落、或继承旧决定；没有整篇通读声明。
- P0/P1 与低成本候选的可读清单：逐篇中文理由、成本与版本边界。
- 完整去重登记：所有召回身份、决定、来源回执和非阻塞原文例外。
- 领域决定：搜广推、基础模型/多模态、 后训练、Agent/RSI。
- 根代理独立重点复核、已知论文的最新版本复核。
- 非阻塞例外清单、目录/实现独立对账。
召回如何闭环¶
四个研究轨道各有日期窗口与月份编号晚索引两通道，共八份回执。 复用的是本日实际扫描运行 已取尽的包含范围，再明确派生 10-13～10-15 的审查子集；没有把原查询日期改窄，冒充重新查询。 每份回执保存原始 artifact 文件名、SHA-256、原请求窗口、实际查询边界和过滤规则。 提交回执去除了重复摘要正文，保留逐 ID 的日期、版本、查询命中与原始元数据指纹。
基础模型的跨 9～10 月 LLM 宽查询确实触顶，不能直接当作完成。
本轮实际补跑相同词的 10 月编号范围，上限 4,000、每页 100，取尽 1,088 个唯一身份；
原触顶回执与替代回执同时保存。这 1,088 条不是新首发数量，更不是合格论文数量。
最终八份回执均无未解决的触顶、失败或缓存回退。
| 轨道 | 日期窗口回执 | 晚索引回执 |
|---|---|---|
| 搜广推 | submission | late-index |
| 基础模型 | submission | late-index |
| 后训练 | submission | late-index |
| Agent | submission | late-index |
Google / Meta 与官方目录¶
Google/Meta 工业论文仍最高优；先按机构和主题召回，再检查正文业务线上 A/B/全流量证据， 不要求摘要出现 A/B。新目录 URL、旧 URL、旧首发和新版本分开处理。
| 官方范围 | 页面 | 记录 | 新详情 URL | 继承记录 |
|---|---|---|---|---|
| 28 | 412 | 7 | 405 | |
| Meta | 6 | 144 | 11 | 133 |
| Google DeepMind | 9 | 265 | 0 | 265 |
旧 URL 与规范化题名一致的记录继承原决定；本次目录日期另行核对，不等于重读了 803 篇原文。 Meta 只是前六页的有界范围，不声称分页穷尽。目录更新日、文稿日期、软件引用日期与首次公开日 不是同一个字段，不能互相替代。
几个容易误判的例子：
- Google G→W→L 级联：正文比较训练稳定性、AUC/RMSE，没有该方法量化业务 A/B；不因 Google 署名绕过工业门槛。
- CASI：正文生产 A/B 通过，但生产回放/完整训练资源未公开，单卡可忠实复现的成本仍不确定；P0、不复现、审查完成。
- DRanker：首发 10-11，属旧文补发现；正文明确全球 A/B 与后续 holdout，不能漏掉，也不能把数亿私有样本装成公开复现。
- PsyBer-Agent / AdCoEvo：分别是固定后端人/模拟用户一致性、AuctionNet 模拟器，不当作生产推荐业务 A/B。
- Meta AutoformBench：与文档理解同名论文不是同一身份；官方页 10-13、PDF 文稿日期 10-05、软件引用日期 09-30 的语义不同，首公开日保留例外。 其每题 $200 是最高上限，不是所有题实际花费；341 题、9 个 frontier agent 的完整研究不在本轮复现。
- Human-Guided Agentic EHR：已看 PDF 关键方法/限制；原文不主张新 Agent 架构或独立 AI 能力 benchmark，不把临床病例研究算新算法。
修订版不能自动升级旧实现¶
11 篇已知论文的最新版本复核独立于“新增论文”统计。 缺少旧版本语义基线时，只声明读过当前版本指定段落，不虚构精确 algorithm diff。
- Dice Roll v2：原文承认合成数据覆盖及错误计数字段，撤回固定次数 tiers；应先 pilot 再用方差分量求次数。 仓库并无该算法实现，本次保留旧快照并新增勘误，不继续传播固定次数建议。
- SPARK v2 / 旧 SpecRoll：低秩 logit correction 与旧 fast/slow 路径不是改名关系；旧论文页 已明确仅对应 v1，不声称 v2 已实现。
- Rubric Dropout v2、RIDE v2、UniRec v5：最新方法/资源与限制另记；旧 L1/公开小实验不自动覆盖新版全方案或生产收益。
版本登记目前共 434 项，其中本轮 383 项只登记历史身份/日期和已观察版本，另有成本或来源例外的有界记录。 这些范围字段写在 版本基线中，不是 434 篇算法全文验收； 目的之一是让相同版本不因“缺少旧全文基线”每轮反复排队，真正的新版本/元数据证据仍可触发复核。
例外与后续扫描¶
真正读不到的原文保留版本、URL、HTML/PDF 实际错误或本轮读取上限，不能接受为已阅读全文。 身份/日期/分页不确定项和这些原文例外统一非阻塞归档；未读、触顶和缺少决定的候选不能借例外消失。 只有独立新证据才重开来源例外；高成本复现则还需要用户获知成本后明确重开。
下一轮从 10-14 重叠到新的截止时间。本轮是 10-15 日内截至时间，之后提交/公告或晚索引的内容 由重叠扫描补入；新首发、晚发现旧文、修订版继续分开汇总。
本轮验证项目与实际结果见交付记录；机器验收入口为
python scripts/audit_paper_coverage.py --strict、相关回执回归、独立实现对账和严格文档构建。