论文实现与评测库¶

想先判断各领域的经典主干是否完整、还有哪些候选未达到实现门槛，请看全域论文谱系与缺口。历史全量扫描已经完成，后续采用增量发现流程；历史全文审计终态、历史 P0 固定实现路线图、固定日期的扫描清单和已完成 TODO 仍保留为可追溯记录，但不再占用主导航。

已提交论文的公开结果可直接进入公开实验看板，按领域、方法、数据集和指标检索；本地临时实验不会出现在公开页面。

论文实现是研究工作流，不是单一业务领域。仓库用统一的论文信息、实现、数据和指标合同承载搜广推、基础模型、结构化决策、多模态、LLM 后训练与 Agent；实现成熟后，还可以作为 mutation、训练目标或 evaluator 接入自动研究与进化。

六个内置研究域¶

搜广推与 LLM 应用¶

面向互联网公司的推荐、搜索、广告、生成式推荐以及 LLM 与这些系统的结合应用。该领域坚持真实线上 A/B 硬门槛，并在本地使用公开数据、公平基线和统一对照口径。

进入工业论文实现库
按公司 · 按主题 · 按年月

基础模型¶

覆盖网络结构、预训练数据与优化、多模态表征、长上下文和推理效率。基础模型论文不强制生产 A/B，而是要求可信公共 benchmark、明确训练预算和可核验方法；本地结果必须说明模型规模与系统环境折损。

结构化决策 / System One¶

覆盖 typed questions、动态候选分类、概率校准、置信度、选择性预测与结构化评分。 Jev 是该领域的重要产品入口，但不是领域本身；官方托管模型、论文方法和社区独立实现会分别标注。

多模态大模型¶

覆盖视觉、视频、音频与语言的统一表征、跨模态检索和多模态推理，使用公开 checkpoint、可审计数据切片和多模态专用指标。

LLM 后训练¶

覆盖偏好学习、RLHF/RLVR、on-policy distillation、reward/credit 和训练稳定性，使用统一 candidate/free-generation 协议区分机制验证与真实生成。

Agent¶

覆盖长期记忆、规划与反思、工具使用、多 Agent 协作和自我进化。当前优先实现可在本地重复执行的机制与 mini-suite，再逐步接真实 LLM executor 和完整 benchmark。

统一论文合同¶

每篇论文页都必须包含：

论文链接、公司/机构、首次公开日期和原作者代码；
本地 adapter 与实现目录；
背景、主要改动、架构图和核心公式；
原论文离线/线上结果与真实对比基线；
本地公开数据协议、稳定指标、运行命令和失败结果；
相对原论文的保真边界。

不同领域可以有不同筛选门槛，但不能混用结果口径：工业 A/B、公共 benchmark 和本地机制验证会分别标注。

统一指标存储¶

每篇论文的可追溯指标以详情页旁的文件为唯一事实源：

docs/<研究域>/<论文目录>/metrics/<数据集>-seed<seed>.json

搜广推位于 docs/reproductions/<论文目录>/metrics/，基础模型位于对应详情页或公共实验目录；
结构化决策位于 docs/system-one/metrics/；
LLM 后训练位于 docs/post-training/<论文目录>/metrics/；
Agent 位于 docs/agent-research/<论文目录>/metrics/；
文件必须记录 seed、评测层级、claim policy、manifest 引用和数据来源信息；
checkpoint、完整 trace 和临时 run 只保存在本地 runs/，不提交 GitHub。

docs/experiments/ 只保留“多个方法在同一协议下的横向评测快照”，用于生成统一对比表；它不能代替单篇论文的指标文件，也不能把不同数据集、不同预算或不同研究域拼成一个不可比较的日期批次。新增论文必须先写入自己的 metrics/，需要横向对比时再由这些单篇结果生成聚合视图。

与自动进化的关系¶

flowchart LR
    P["论文实现"] --> C["可复用组件"]
    C --> M["Mutation / training objective"]
    C --> E["Evaluator / benchmark"]
    M --> A["Auto Research"]
    E --> A
    A --> X["并行实验与多轮进化"]
    X --> R["稳定结论回写论文库"]

论文实现先回答“方法是否被正确理解并能运行”，自动进化再回答“将这些方法组合到当前系统后，什么配置在给定数据和预算下更优”。