统一后续路线图与 TODO
2026-08-26 平台 P0
| ID |
状态 |
交付 |
| INFRA-003 |
DONE |
跨论文复现、Evolve、后训练、Agent 和多模态的 SQLite 实验索引、查询、Pareto 前沿与静态 HTML 看板 |
| INFRA-004 |
DONE |
全量 adapter paper.yaml、确定性生成/校验和拒绝覆盖的脚手架 |
| EVOLVE-005 |
DONE |
论文算子 registry、模型/槽位/依赖/冲突/资源预算校验，并接入候选规划过滤 |
完成这三个 P0 后，新增论文的标准路径是：补 adapter 与公开实验 → 同步声明 → 映射可执行 Evolve 算子 → 统一实验库登记指标。平台维护不再依赖手工复制目录数字或跨页面同步元数据。
2026-08-27 平台 P1
| ID |
状态 |
交付 |
| INFRA-005 |
DONE · PR #128 |
Local / SSH / Slurm 统一执行契约，含日志、状态、重试、硬超时、显存声明和成本上限 |
| EVAL-001 |
DONE · PR #128 |
推荐、基础模型、多模态、后训练与 Agent 的版本化公平评测协议；拒绝跨协议横向比较 |
| AUTO-001 |
DONE · PR #128 |
paper.yaml 到实验假设、算子、消融、搜索空间的可审计提案，保留来源并要求人工确认 |
| EVAL-002 |
DONE · PR #128 |
配对 bootstrap、置换检验、Holm 校正、顺序 seed 与成本约束决策 |
| MEMORY-001 |
DONE · PR #128 |
精确上下文负结果知识库，并接入 Evolve 的候选过滤和逐轮研究记忆 |
完整使用方式、边界和命令见自动研究平台 P1。
本页是仓库后续工作的唯一权威待办清单。各领域谱系页只解释覆盖范围和技术关系，
不再维护另一份易漂移的 TODO。以后每个实现 MR 都要更新本页的状态、验收证据和 PR；
新发现的工作先登记，再开始实现。
更新基线：2026-09-15。本轮新增三篇通过工业线上证据门槛的 P0（PinDCO、MIMA、
ChronicleRec）和一篇基础模型 P1（SAS），代码、中文文档、论文原图及三 seed 指标已完成，
详见扫描审计。OneLA、CanvasAnneal、GAUGE 与
AMDKernelVault 已登记为有明确恢复条件的 DEFERRED，不创建占位 adapter。由于 arXiv API
连接重置，本轮不推进 watermark；下一轮从 2026-09-10 保留重叠窗口继续增量扫描。
优先级和状态
| 标记 |
含义 |
| P0 |
新发现且通过硬门槛的最高优先论文，优先于本页 P1；工业方向中 Google / Meta 最高优先 |
| P1 |
已有可靠实现路径和公开数据，可分批交付的能力建设 |
| EVIDENCE |
方向重要，但尚缺公开证据、数据或公平评测，不能用占位 adapter 冒充实现 |
| DEFERRED |
用户明确延后，或依赖复杂外部环境；恢复前不进入执行队列 |
| DONE |
已完成并有代码、文档、指标和测试证据 |
Google（含 DeepMind、YouTube）和 Meta（含 Instagram）是唯一自动置顶机构。Netflix、
ByteDance、Alibaba、Kuaishou、Pinterest 等仍进入高召回扫描和正常评审队列，但不自动
置顶。机构查询命中只触发全文复核，不能替代论文首页 affiliation 和正文证据。
动态 P0：论文发现闭环
| ID |
状态 |
工作 |
完成条件 |
| DISC-001 |
DONE |
每日四领域多查询、分页、canonical arXiv ID 去重 |
GitHub Actions 生成四个候选 artifact |
| DISC-002 |
DONE |
候选与 manifest、历史 ledger 自动差分 |
JSON 和 Actions 摘要区分新候选、已实现、已审计 |
| DISC-003 |
DONE |
Google / Meta 新候选自动置顶预警 |
仅两家触发 warning；Netflix 等保持普通候选 |
| DISC-004 |
DONE · PR #113 |
跨来源召回 |
官方研究页、会议列表、作者主页/GitHub 和 citation snowball 均保留 provenance 与单源失败 |
| DISC-005 |
DONE · PR #113 |
批次终态自动回写 |
回写器要求全部新候选终态；strict audit 可核对待审 artifact 与 ledger |
每个新工业候选先按“机构/主题”召回，再读 PDF/HTML 全文。只有量化线上 A/B，或用户
明确认可的统计显著全流量部署，才进入实现队列；摘要未写 A/B 不能作为拒绝依据。
P1 执行队列
建议按表内顺序推进；同一编号应尽量作为一个可独立合并的 MR。
基础模型与多模态
| ID |
状态 |
工作 |
最小验收条件 |
| FM-001 |
DONE · PR #113 |
test-time compute、verifier、动态 reasoning budget |
固定 SmolLM2 revision；GSM8K/算术多预算曲线同时报告正确率、token、延迟和调用成本 |
| FM-002 |
DONE · PR #114 |
scaling-law 多预算基础设施 |
默认 4 个模型规模/数据/step 预算点；记录实际参数量、tokens seen、FLOPs proxy、逐点残差、RMSE/R² 和不可外推边界 |
| MM-001 |
DONE · PR #115 |
视频多模态 |
固定 SmolVLM2 commit；Video-MME-v2 Parquet/JSONL + MP4；逐题续跑、三 seed、置信区间和子集边界 |
| MM-002 |
DONE · PR #115 |
音频多模态 |
固定 CLAP commit；ESC-50/ESC-10 真实 WAV；zero-shot top-1/top-5 和 text embedding cache fingerprint |
| MM-003 |
DONE · PR #116 |
具身与大规模多模态后训练 |
SmolVLA/LeRobot 真实训练入口、数据 manifest 与明确的 simulator/硬件成功率边界 |
| FM-003 |
DONE · PR #137 |
TwinKV 固定预算 KV eviction repair |
精确公式、Qwen3/Qwen2.5 真实 KV runner、公开 WikiText-2 长上下文、等预算质量/延迟/显存与 A30 receipt |
| MM-004 |
DONE · PR #137 |
PACE 视觉 token 压缩与抽取 |
APC/DDAE、Qwen2.5-VL + RealWorldQA 默认路径、SmolVLM2 + POPE 真实验证、质量/token/延迟/显存与 A30 receipt |
| FM-004 |
DONE |
SAS 端到端稀疏注意力排序 |
WikiText-2 真实 selector 训练、连续 log-gate 梯度、Top-K 路由与三 seed 隔离 test；Triton 性能明确不在本批声明 |
LLM 后训练
| ID |
状态 |
工作 |
最小验收条件 |
| PT-001 |
DONE · PR #113 |
L2 切换到可下载 pretrained causal LM |
SmolLM2 固定 revision，GSM8K unrestricted generation 与 3 seeds |
| PT-002 |
DONE · PR #115 |
CoBA-RL 完整教师路径 |
固定 Qwen2.5 teacher commit；pass@k/教师双缓存、真实调用率、token 成本与训练前后能力边界曲线 |
| PT-003 |
DONE · PR #113 |
公开偏好数据 |
固定 UltraFeedback revision/MIT 元数据，DPO/ORPO 同预算真实模型对照 |
| PT-004 |
DONE · PR #113 |
GPU 训练完整性 |
batch、gradient accumulation、mixed precision、safe checkpoint 与 optimizer resume；CPU/Mac 保留路径 |
Agent
| ID |
状态 |
工作 |
最小验收条件 |
| AG-001 |
DONE · PR #116 |
Agent Lightning 连接可训练 LLM policy |
SmolLM2 pairwise policy update、显式 transition credit、真实测试 executor 与 token/tool 成本 |
| AG-002 |
DONE · PR #116 |
Agent 真实 executor 的公平矩阵 |
相同仓库 fixture、相同 subprocess 上限、三 seed 比较 controller policy |
| AG-003 |
DONE · PR #131 |
Agent L2.1 隔离能力评测与九轴自动进化 |
删除 guide/oracle；train/validation/test 隔离；六方法、五消融、三 seed CI；validation 选冠军且 test 只在代际结束后运行 |
Auto Research / Evolve
| ID |
状态 |
工作 |
最小验收条件 |
| EV-001 |
DONE · PR #113 |
将 FM-001 的推理预算算子接入统一 genome |
reasoning-checkpoint 搜索采样预算、self-consistency verifier、停止阈值并生成逐代报告 |
| EV-002 |
DONE · PR #116 |
将 PT-001～PT-004 接入后训练 genome |
data/objective/teacher/rollout/accumulation/precision 成为可继承组合轴并进入逐代报告 |
| EV-003 |
DONE · PR #117 |
将 AG-001/AG-002 接入 Agent genome |
memory/planner/tool/critic/policy/recovery 可组合，跨 episode 复用与失败恢复可测 |
| EV-004 |
DONE · PR #117 |
GenRec 类生成式推荐 evolve |
MovieLens-1M 真实全目录 head、context/reward/distillation 旋钮和统一 ID-catalog 基线；Netflix 不因此获得论文优先级 |
| INFRA-001 |
DONE · PR #111 |
GPU 依赖防护 |
pip dry-run 阻止静默替换现有 PyTorch；Linux CPU 合同测试覆盖，既有 A30 关键路径回归继续保留 |
| INFRA-002 |
DONE · PR #117 |
重点方法多 seed 晋级 |
推荐/基础模型 adapter、后训练和 Agent 统一 3 seeds、置信区间、逐 seed 失败记录与断点续跑 |
| EV-005 |
DONE · PR #137 |
PACE 与 TwinKV checkpoint/结构算子 |
论文 ID → operator 可追踪；PACE 接入 VLM checkpoint 配方，TwinKV 接入可执行 micro-LLM attention，并与真实 checkpoint 复用 repair 函数 |
等待公开证据，不创建占位实现
| ID |
状态 |
缺口 |
恢复条件 |
| EVD-001 |
EVIDENCE |
审核、作弊、欺诈、广告合规与风控 |
公开标注数据以及 precision/recall、误杀率和 guardrail 协议 |
| EVD-002 |
EVIDENCE |
私有大规模广告竞价/转化日志 |
可公开替代数据和不会泄漏业务信息的公平离线协议 |
| EVD-003 |
EVIDENCE |
公开端到端 LLM 推荐产品复现 |
用户、catalog、生成、排序、反馈闭环均有合法公开数据 |
| EVD-004 |
EVIDENCE |
AIGQ、RaG、RoleGen、LCU |
公开 reward、视频/用户反馈或转化轨迹及清晰数据许可 |
| EVD-005 |
EVIDENCE |
RecoChain、DIG 等工业候选 |
核实量化线上 A/B 或用户认可的全流量部署正文证据 |
用户已延后
| ID |
状态 |
工作 |
恢复条件 |
| DEF-001 |
DEFERRED |
官方 SWE-bench Lite |
准备官方容器、镜像缓存、执行预算和长时 CI/开发机窗口 |
| DEF-002 |
DEFERRED |
ToolHop 正式全集 |
确认数据/评测依赖、模型调用预算和可复现 runner |
| DEF-003 |
DEFERRED |
真实浏览器 Agent 环境 |
提供隔离 sandbox、凭据策略、网络策略和失败重放能力 |
| DEF-004 |
DEFERRED |
OneLA fused GPU 大 beam decode |
在 A100/A30 执行定义性 kernel，并提交显存、延迟和正确性 receipt |
| DEF-005 |
DEFERRED |
CanvasAnneal diffusion LM curriculum RL |
固定公开 DLM/teacher、训练预算和 MATH/tool-use 公平协议 |
| DEF-006 |
DEFERRED |
GAUGE grounded Agent 评测 |
公开 transcript/盲评标注可用，并接入 ranking/construct validity 协议 |
| DEF-007 |
DEFERRED |
AMDKernelVault ROCm/HIP |
提供 AMD CDNA/ROCm 执行环境并运行 kernel correctness/latency gate |
每个后续 MR 的更新契约
- 开工前在本页登记编号、优先级、状态与验收条件；动态 P0 插到 P1 前执行。
- 论文实现必须满足统一 metadata、中文解读、原文关键图、代码、指标和测试合同。
- evolve 接入必须说明算子来自已实现论文、实时检索还是新组合假设，不能混写。
- 完成后把状态改成
DONE，补充 PR 链接和关键证据；未完成部分拆出新编号。
- 不在其他页面复制待办表；谱系页只链接本页，避免多个“剩余任务”互相矛盾。