20260706:新增一些文章

reviews/DSpark-review-20260628.md

@@ -0,0 +1,55 @@
+---
+title: "Review: DSpark — Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation"
+created: 2026-06-28
+updated: 2026-06-28
+type: review
+tags: [speculative-decoding, llm-inference, serving-optimization, deepseek]
+sources: [DSpark]
+---
+
+# 📌 基本信息
+
+- **论文标题**: DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation
+- **作者**: Xin Cheng, Xingkai Yu, Chenze Shao, Jiashi Li, Yunfan Xiong 等（北京大学 & DeepSeek-AI）
+- **领域**: LLM Inference, Speculative Decoding, Serving Systems
+- **来源**: DeepSeek DeepSpec Repository (GitHub)
+- **添加时间**: 2026-06-28
+
+# 🎯 核心概念
+
+1. **半自回归生成（Semi-Autoregressive Generation）** — 将草稿生成分为并行骨干（$O(1)$延迟）和轻量级顺序头（注入块内依赖），融合并行速度与自回归质量。顺序头有 Markov 头（一阶转移，低秩分解 $r=256$）和 RNN 头（门控循环累积前缀历史）两种实例化
+
+2. **置信度调度验证（Confidence-Scheduled Verification）** — 置信度头 $c_k = \sigma(w^\top[h_k; W_1[x_{k-1}]])$ 预测每位置条件存活概率，硬件感知前缀调度器将验证长度选择形式化为 $\Theta = \tau \cdot \text{SPS}(B)$ 的全局吞吐量最大化问题
+
+3. **硬件感知前缀调度器** — 贪心排序所有请求的 $a_{r,j}$（前缀存活概率），逐条接纳并 $O(1)$ 查表更新吞吐量，早停保证因果性。生产环境采用异步 ZOS 适配和无约束全局搜索应对非平滑硬件曲线
+
+4. **顺序温度缩放（STS）** — 利用链式法则 $\prod c_i$，逐位置 1D 网格搜索最小化累积 ECE，保序修正置信度幅度（ECE 从 3-8% 降至 ~1%）
+
+5. **逐位置条件接受率分析** — 移除前缀惩罚的细粒度度量，揭示了并行草稿器（位置1高→后缀衰减）vs 自回归草稿器（位置1低→后缀上升）的结构性差异
+
+# 🔗 概念网络
+
+**核心连接**: [[speculative-decoding|投机解码（Speculative Decoding）]] → [[semi-autoregressive-generation|半自回归生成（Semi-Autoregressive Generation）]] → [[confidence-scheduled-verification|置信度调度验证（Confidence-Scheduled Verification）]] → [[hardware-aware-prefix-scheduler|硬件感知前缀调度器（Hardware-Aware Prefix Scheduler）]]
+
+**组件子图**: [[markov-draft-head|马尔可夫草稿头（Markov Draft Head）]] ↔ [[rnn-draft-head|RNN 草稿头]]；[[confidence-head|置信度头（Confidence Head）]] → [[sequential-temperature-scaling|Sequential Temperature Scaling]]
+
+**基线对比轴**: [[DFlash]]（并行基线）↔ [[Eagle3]]（自回归基线）↔ [[MTP]]（生产基线）
+
+**分析工具**: [[cross-mode-collision|跨模态碰撞（Cross-Mode Collision）]] → [[position-wise-conditional-acceptance|位置条件接受率（Position-wise Conditional Acceptance）]]；[[prefix-survival-probability|前缀存活概率（Prefix Survival Probability）]] → [[kv-injection|KV 注入（KV Injection）]]
+
+**系统影响**: [[pareto-frontier-llm-serving|Pareto Frontier (LLM Serving)]]
+
+# 📚 Wiki 集成
+
+- **新增页面**: 17 个（1 论文 + 16 概念）
+- **概念网络扩展**: 全新领域——投机解码/推理加速，此前 wiki 无相关页面
+- **链接密度**: 论文页 16 条 wikilink，核心概念平均 4-6 条交叉引用，伞概念最多 8 条
+- **网络完整**: 待验证
+
+# 💡 关键洞察
+
+**1. 并行草稿器的"容量悖论"**。DSpark 论文最反直觉的发现：并行草稿器的总接受长度反超自回归草稿器，尽管其逐 token 建模能力更弱。根因在于前缀接受机制的非对称杠杆效应——第一个位置的接受率对整个块的影响远超后续位置，而 $O(1)$ 延迟允许并行草稿器使用 5 倍深度，在位置 1 上建立不可逾越的容量优势。这颠覆了"逐 token 建模能力 = 更好加速"的直觉。
+
+**2. 从"质量优化"到"预算路由"的范式转移**。DSpark 的核心贡献不是提升草稿质量的绝对值，而是用系统意识重新定义了"什么是好的草稿"。硬件感知前缀调度器将决策从 token 级别的"这个 token 好不好"提升为系统级别的"这个 token 的期望系统收益是否为正"——闲置计算时值得多验证、高并发时必须克制。这一思路将投机解码从单纯的算法问题重构为资源调度问题。
+
+**3. 校准与调度的耦合**。DSpark 是首个将置信度校准（STS）与系统调度（prefix scheduler）紧密耦合的工作。静态阈值方法只需要排名的相对正确性，而吞吐量最大化的目标函数要求存活概率的绝对幅度准确——这使得校准从可选的质量改进变为调度器的功能前提。

reviews/GR4AD-review-20260628.md

@@ -0,0 +1,54 @@
+---
+title: "Review: GR4AD — Generative Recommendation for Large-Scale Advertising"
+created: 2026-06-28
+updated: 2026-06-28
+type: review
+tags: [generative-recommendation, advertising, production-system, kuaishou]
+sources: [GR4AD]
+---
+
+# 📌 基本信息
+
+- **论文标题**: Generative Recommendation for Large-Scale Advertising (GR4AD)
+- **作者**: Ben Xue, Dan Liu, Lixiang Wang 等 (Kuaishou Technology)
+- **领域**: Generative Recommendation, Advertising Systems, Online Learning
+- **arXiv**: 2602.22732
+- **添加时间**: 2026-06-28
+
+# 🎯 核心概念
+
+1. **UA-SID（Unified Advertisement Semantic ID）** — 端到端微调广告 MLLM 生成统一嵌入 + MGMR RQ-Kmeans 量化，解决广告场景多模态多粒度业务信号联合建模的 tokenization 难题
+
+2. **LazyAR（Lazy Autoregressive Decoder）** — 将解码器分为共享段（$K$ 层，级别无关）和注入段（$L-K$ 层，逐级注入前级 token），计算量从 $T \cdot L$ 降至 $K + T \cdot (L-K)$，近翻倍 QPS
+
+3. **VSL（Value-Aware Supervised Learning）** — 通过 eCPM token 预测 + 用户行为双重加权将业务价值信号嵌入监督学习，实现非 RL 路径的价值感知
+
+4. **RSPO（Ranking-Guided Softmax Preference Optimization）** — LambdaRank 驱动的 list-wise RL，显式优化 NDCG，自适应参考门控应对异构训练数据
+
+5. **Unified VSL-RSPO** — 样本级对齐分数 $A(i)$ 动态平衡"模仿历史分布"和"向高价值探索"，支持持续在线学习
+
+6. **DBS（Dynamic Beam Serving）** — 渐进递增束宽（DBW）+ 流量感知自适应束搜索（TABS），谷值期利用闲置计算拓展探索
+
+# 🔗 概念网络
+
+**核心三轴**:
+- **Tokenization 轴**: [[generative-recommendation|生成式推荐（Generative Recommendation）]] → [[semantic-id|Semantic ID]] → [[ua-sid|UA-SID]] → [[mgmr-rq-kmeans|MGMR RQ-Kmeans]]
+- **学习轴**: [[value-aware-supervised-learning|VSL]] → [[rspo|RSPO]] → [[unified-vsl-rspo|统一 VSL-RSPO 学习]]
+- **服务轴**: [[lazyar|LazyAR]] → [[dynamic-beam-serving|DBS]] → [[beam-shared-kv-caching|Beam-Shared KV Caching]] → [[reco-result-cache|Recommendation Result Cache]]
+
+**跨域连接**: LazyAR 与 [[MTP]]（DeepSeek 多 token 预测）形成架构对比——两者均为后续位置复用前几层，但 LazyAR 的"延迟注入"在短序列多候选场景更高效。
+
+# 📚 Wiki 集成
+
+- **新增页面**: 13 个（1 论文 + 12 概念）
+- **概念网络扩展**: 全新领域——生成式推荐/广告系统，此前 wiki 无推荐相关页面
+- **链接密度**: 论文页 15 条 wikilink，核心概念平均 3-5 条交叉引用
+- **总规模**: 1,295 → **1,308** 页（预计）
+
+# 💡 关键洞察
+
+**1. "广告原生"生成式推荐的 co-design 范式**。GR4AD 的核心洞察是：LLM 风格的训练和推理 recipe 直接搬用到广告场景是不够的。广告需要自己的 tokenization（UA-SID 的 MLLM 微调 + MGMR 量化）、自己的学习范式（VSL + RSPO 的列表级优化）、自己的解码架构（LazyAR 的短序列多候选设计）。这种全栈 co-design 是 4.2% 收入提升的系统性基础。
+
+**2. RSPO 将 LambdaRank 注入生成式 RL**。传统 LambdaRank 是 learning-to-rank 的基石，GR4AD 将其 pairwise NDCG 梯度结构嵌入 softmax 偏好优化框架，实现了生成式推荐中首个理论有界（NDCG 代价上界）的 list-wise RL 算法。参考门控的设计也务实——不追求理论完美，承认生产数据的异构性和参考分布的不可靠性。
+
+**3. LazyAR 体现了"推荐原生"的效率取舍**。与 LLM 推理优化追求通用加速不同，LazyAR 利用了推荐场景的结构特性：多级 SID 中第一级信息量最大、后续级别可大量共享计算。这种领域感知的架构设计使得 GR4AD 在 500+ QPS/L20 下实现 <100ms 延迟——对于服务 4 亿用户的实时广告系统至关重要。

reviews/leap-review-20260703.md

@@ -0,0 +1,46 @@
+---
+title: "LEAP Review"
+created: 2026-07-03
+updated: 2026-07-03
+type: review
+tags: ["review", "formal-mathematics", "theorem-proving", "agentic"]
+---
+
+# LEAP: Agentic Formal Theorem Proving — Review
+
+📌 **基本信息**
+- 论文：LEAP: Supercharging LLMs for Formal Mathematics with Agentic Frameworks
+- 作者：Po-Nien Kung et al. (Google Cloud AI / DeepMind)
+- arXiv：2606.03303 | 领域：cs.AI | 日期：2026-06-02
+- 代码：[google-deepmind/superhuman/leap](https://github.com/google-deepmind/superhuman/tree/main/leap)
+
+🎯 **核心概念**
+
+1. **AND-OR DAG 分层记忆化** — 证明树组织为有向无环图：OR 节点=开放目标，AND 节点=候选分解。支持单调精化、跨分支引理复用、预期引理规划
+2. **蓝图驱动 ATP** — 仿效人类数学家工作流：非正式蓝图 → 形式化证明草图 → 子目标递归。直接形式化失败后的回退策略
+3. **非正式-形式化交错规划** — LLM 管策略推理（自然语言），Lean 管严格验证（代码）。在形式化之前先用非正式草图规划
+4. **验证引导证明搜索** — 双层：Lean 编译器（硬约束）+ LLM Reviewer（软约束/搜索过滤器）。消融实验证明 Reviewer 不可省略
+5. **Lean-IMO-Bench** — 60 题 IMO 级新基准，专为测试非平凡洞察和长链多步证明设计
+
+🔗 **概念网络**
+
+- 核心三角：[[blueprint-driven-atp|蓝图驱动]] ↔ [[and-or-dag-memoization|DAG 记忆化]] ↔ [[verification-guided-proof-search|验证引导搜索]]
+- 伞概念连接：[[formal-theorem-proving|形式化定理证明]] → [[lean-proof-assistant|Lean]] → [[autoformalization|自动形式化]]
+- 跨域关联：LEAP 的 agentic 设计与 [[workspace-first-architecture|Workspace-first]] 共享「分解+隔离」的设计范式
+- 新增 10 概念 + 1 论文 = 11 页
+
+📚 **Wiki 集成**
+
+| 组件 | 状态 |
+|------|------|
+| `papers/leap-agentic-formal-math-2026.md` | ✅ |
+| `raw/papers/leap-agentic-formal-math-2026.md` | ✅ |
+| 伞概念 ×3 | ✅ |
+| 专属概念 ×7 | ✅ |
+| Review | ✅ |
+
+💡 **关键洞察**
+
+1. **通用 LLM 可以超越专用 ATP 模型** — 前提是有正确的 agentic 框架。LEAP 证明瓶颈不在语言理解而在缺乏结构化迭代交互。Putnam 2025 12/12，Lean-IMO-Bench 70%（vs 专用 Aristotle 的 48%），仅 2 次 rollout
+2. **「非正式蓝图 → 形式化代码」的双层规划是通用范式** — 这不仅是 ATP 的设计模式，也是任何需要 LLM 在严格约束下生成代码的通用策略：先规划、再翻译、验证反馈迭代
+3. **LLM Reviewer 作为搜索启发式** — 当前只是过滤弱分解，但方向是 LLM 作为启发式评估器引导搜索（不只在 ATP，在 Agent 规划中也是通用方向）

reviews/ramsey-sphere-lowerbound-review-20260629.md

@@ -0,0 +1,38 @@
+---
+title: "Ramsey 下界指数改进 — Review"
+created: 2026-06-29
+type: review
+paper: ramsey-sphere-lowerbound
+---
+
+# 📌 基本信息
+
+- **论文**：An exponential improvement for Ramsey lower bounds
+- **作者**：Jie Ma (USTC/清华丘成桐中心), Wujie Shen (清华), Shengjie Xie (USTC)
+- **领域**：组合数学 / Ramsey 理论（math.CO）
+- **arXiv**：2507.12926v2
+- **添加时间**：2026-06-29
+
+# 🎯 核心概念
+
+1. **随机球面图 G_{k,p}(n)** — 在 k 维单位球面上均匀采样点并随机连边，将经典概率方法从离散推广到连续几何空间
+2. **完美序列 (Perfect Sequences)** — 新引入的组合结构，将球面点的邻接模式编码为可分析的离散形式
+3. **Ramsey 数 r(ℓ, Cℓ)** — 组合数学核心对象，78 年来下界首次指数突破
+
+# 🔗 概念网络
+
+- **核心连接**：[[random-sphere-graph|随机球面图]] ↔ [[perfect-sequences|完美序列]] ↔ [[ramsey-sphere-lowerbound|论文主页]]
+- **已有网络对接**：连接了 [[ramsey-numbers|Ramsey 数]]、[[probabilistic-method|概率方法]]、[[random-graph-theory|随机图理论]]、[[lovasz-local-lemma|Lovász 局部引理]]、[[ramsey-theory|Ramsey 理论]]
+- **更新已有概念**：[[ramsey-numbers]] (新下界结果)、[[probabilistic-method]] (几何推广)
+- **扩展网络**：5 个新增连接，0 断链
+
+# 📚 Wiki 集成
+
+- 新增页面：3 个（1 论文 `ramsey-sphere-lowerbound` + 2 概念 `random-sphere-graph`、`perfect-sequences`）
+- 更新页面：2 个（ramsey-numbers、probabilistic-method）
+- 链接完整性：100% 零断链
+
+# 💡 关键洞察
+
+1. **方法论跃迁**：从离散随机图（Erdős-Rényi）到连续球面测度——这不是渐进改进，而是概率方法的维度升级。几何的引入使指数壁垒首次被突破
+2. **意义**：Ramsey 数下界自 1947 年以来停滞了 78 年（Spencer 1975 仅为常数因子）。本文的随机球面图方法可能开启 Ramsey 理论中几何概率方法的新分支

reviews/rubrics-survey-review-2026-06-27.md

@@ -0,0 +1,48 @@
+---
+title: "Rubrics Survey Review"
+created: 2026-06-27
+updated: 2026-06-27
+type: review
+paper: "rubrics-survey-2026"
+---
+
+# Review: The Rules of the Game — A Survey of Rubrics for LLMs
+
+## 📌 基本信息
+
+- **标题**: The Rules of the Game: A Survey of Rubrics for Large Language Models
+- **作者**: Wenhan Liu, Jiajie Jin, Zhaoheng Huang, Tongyu Wen, Guanting Dong, Ziliang Zhao, Yutao Zhu, Zhicheng Dou, Ji-Rong Wen (Renmin University of China)
+- **日期**: 2026-05-22
+- **领域**: LLM Evaluation, Reward Modeling, Rubric
+- **Wiki 添加时间**: 2026-06-27
+
+## 🎯 核心概念
+
+1. **[[rubrics-for-llms|Rubrics for LLMs]]** — 结构化、显式的多维度评估标准，填补了传统标量奖励和 LLM judge 在开放任务中的不足
+2. **[[rubric-construction|Rubric Construction]]** — 四大构建范式：直接生成 → 对比生成 → 迭代精炼 → 在线协同演化，从静态到动态递进
+3. **[[rubric-aggregation|Rubric Aggregation]]** — 逐项评分后如何合并为总分（直接平均 / 加权求和 / 隐式聚合）
+4. **[[rubric-based-reward-modeling|Rubric-Based Reward Modeling]]** — rubric 从评估工具变为训练信号：policy model RL × reward model 训练的三种角色
+5. **[[rubric-driven-evaluation|Rubric-Driven Evaluation]]** — 覆盖通用任务（推理/研究/Agent/对齐）和领域特定任务的全景评估体系
+6. **[[rubric-personalization|Rubric Personalization]]** — 从通用标准到个体偏好的过渡：PREFINE 的伪用户 agent 方法
+7. **[[rubric-safety|Rubric Safety]]** — RIPD 攻击面：rubric 本身可能成为隐秘的偏好偏移向量
+
+## 🔗 概念网络
+
+- **核心连接**: [[rubrics-for-llms]] ↔ [[rubric-construction]] ↔ [[rubric-based-reward-modeling]] ↔ [[rubric-driven-evaluation]]
+- **跨概念连接**: [[rubrics-for-llms]] ↔ [[llm-as-a-judge]] / [[rlvr-unified-framework|RLVR]] / [[reward-hacking]]
+- **开放问题链**: [[rubric-safety]] → RIPD → [[reward-hacking]] → [[rubric-personalization]]（偏好推断）
+- **复用已有概念**: [[reward-hacking]], [[rlvr-unified-framework]]
+
+## 📚 Wiki 集成
+
+- **新增页面**: 11 个（1 论文 + 1 raw + 9 概念）
+- **9 概念**: rubrics-for-llms, rubric-construction, rubric-aggregation, rubric-based-reward-modeling, rubric-driven-evaluation, rubric-personalization, rubric-safety, llm-as-a-judge
+- **链接密度**: 论文主页引用 10+ 概念，概念间高密度交叉引用
+
+## 💡 关键洞察
+
+1. **Rubric 是评估基础设施的"中间层"** — 它不是替代 reward model 或 LLM judge，而是为两者提供显式、可编辑的评估标准。这与 sz 对 Agent Harness 多维度约束的思考高度对齐：rubric 正是将"质量维度"可操作化的接口。
+
+2. **从静态到协同演化的范式演进** — rubric construction 从一次性生成（Direct/Contrastive）→ 迭代精炼（Refinement）→ 在线协同演化（Online/Co-evolving），与 Agent 训练中的 curriculum learning、self-play 趋势共振。最激进的 Online 方法（DR-Tulu, SibylSense）本质上是让 rubric 和 policy 互相塑造。
+
+3. **Rubric 安全是一个被低估的系统性风险** — RIPD 揭示的 pipeline 级联效应（rubric → judge → preference data → policy → 不可检测的漂移）与 reward hacking 一样危险但更隐蔽，因为 rubric 修改"看起来合理"。这直接关联到 Agent 记忆系统评估的可靠性问题。

reviews/safe-equilibrium-exploration-review-20260629.md

@@ -0,0 +1,42 @@
+---
+title: "Safe Equilibrium Exploration — Review"
+created: 2026-06-29
+type: review
+paper: safe-equilibrium-exploration
+---
+
+# 📌 基本信息
+
+- **论文**：On the Equilibrium between Feasible Zone and Uncertain Model in Safe Exploration
+- **作者**：Yujie Yang, Zhilong Zheng, Shengbo Eben Li (清华大学车辆与运载学院)
+- **领域**：安全强化学习 / Safe RL（cs.LG）
+- **发表**：IEEE TPAMI 48(7), 8344-8360 (2026)
+- **arXiv**：2602.00636v2
+- **添加时间**：2026-06-29
+
+# 🎯 核心概念
+
+1. **安全探索均衡** — 可行域与不确定模型之间的不动点：更大可行域 ⇄ 更精确模型，互为因果
+2. **SEE 算法** — 交替进行可行域扩展和模型精化，理论保证单调收敛
+3. **可行域** — 状态-动作空间的安全子集，传统方法依赖人工设计，SEE 自动发现
+4. **不确定模型** — 带不确定性量化的环境模型，精度和可行域大小形成循环依赖
+5. **Safety Filter** — 动作监控与干预模块，用 CBF/QP 实现安全约束
+
+# 🔗 概念网络
+
+- **核心连接**：[[equilibrium-safe-exploration|安全探索均衡]] ↔ [[feasible-zone|可行域]] ↔ [[uncertain-model|不确定模型]] ↔ [[safe-equilibrium-exploration|SEE 算法]]
+- **已有网络对接**：接入 [[reinforcement-learning|强化学习]] 概念树，首次建立 safe RL 分支
+- **方法链**：[[safety-filter|Safety Filter]] ↔ [[control-barrier-function|CBF]]（背景方法）↔ SEE（新方法）
+- **新增连接**：6 概念 + 1 论文，零断链
+
+# 📚 Wiki 集成
+
+- 新增页面：8 个（1 论文 `safe-equilibrium-exploration` + 6 概念 + 1 Review）
+- 新增概念：safe-exploration、feasible-zone、equilibrium-safe-exploration、safe-equilibrium-exploration (SEE)、safety-filter、control-barrier-function、uncertain-model
+- 链接完整性：100% 零断链
+- 总规模：1331 → 1339 页
+
+# 💡 关键洞察
+
+1. **视角转换的价值**：从"最大化可行域"到"寻找可行域-模型均衡"——这不仅是算法改进，而是对安全探索问题本质的重新定义。均衡视角揭示了为什么以往方法无法突破：它们忽略了可行域与模型精度的耦合
+2. **优雅的理论结构**：单调精化 + 单调扩展 + 收敛到不动点的证明，使 SEE 不仅是实用算法，更是一个概念上完整闭合的理论框架。这对 safe RL 领域的后续研究有范式意义

reviews/sen-mapping-networks-2026-06-25.md

@@ -0,0 +1,66 @@
+---
+title: "Review: Mapping Networks"
+created: 2026-06-25
+updated: 2026-06-25
+type: review
+paper: "[[sen-mapping-networks]]"
+---
+
+# Review: Mapping Networks — 2026-06-25
+
+## 📌 基本信息
+
+- **论文**: Mapping Networks
+- **作者**: Lord Sen, Shyamapada Mukherjee (NIT Rourkela)
+- **arXiv**: 2602.19134
+- **领域**: cs.CV / 参数高效深度学习
+- **添加时间**: 2026-06-25
+- **核心贡献**: 将参数空间流形假设形式化为可证明定理，构建隐向量驱动参数生成的元架构
+
+## 🎯 核心概念
+
+1. **[[weight-manifold-hypothesis|Weight-Manifold Hypothesis]]** — 神经网络训练后参数位于低维光滑流形上，dim(M_θ) ≪ P
+2. **[[mapping-theorem|Mapping Theorem]]** — 存在 C² 映射 g: R^d → R^P，使 g(z*) 在损失上 ε-逼近 θ*
+3. **[[mapping-loss|Mapping Loss]]** — 四组件联合优化（Task + Stability + Smoothness + Alignment），各 λ 可训练
+4. **[[solvability-theorem|Solvability Theorem]]** — 加性调制 + 正交初始化确实满足 Mapping Theorem
+5. **[[weight-modulation|Weight Modulation]]** — w_ij ← w_ij + α·z_i，隐向量仿射调制固定映射权重
+
+## 🔗 概念网络
+
+### 核心连接
+```
+weight-manifold-hypothesis ←→ mapping-theorem ←→ solvability-theorem
+         ↓                         ↓                    ↓
+   manifold-hypothesis        mapping-loss         weight-modulation
+         ↓                         ↓                    ↓
+   intrinsic-dimension      lipschitz-continuity    layer-wise-training
+         ↓                                            ↓
+   loss-landscape                            parameter-efficient-training
+```
+
+### 扩展网络
+- 连接了 4 个已有领域的 umbrella 概念：[[hypernetworks|HyperNetworks]]、[[manifold-hypothesis|流形假设]]、[[lottery-ticket-hypothesis|彩票假说]]、[[low-rank-decomposition|低秩分解]]
+- 创建了 13 个概念页，其中 4 个是跨领域伞概念、9 个是论文专属深层概念
+- 论文到概念的交叉引用密集：主页链接到 11 个概念
+
+### 网络位置
+Mapping Networks 处于参数高效训练 × 流形学习 × 元学习的**交叉点**。与 [[hypernetworks]] 共享"生成权重"范式但更激进（目标网络零训练），与 [[low-rank-decomposition]] 正交可组合。
+
+## 📚 Wiki 集成
+
+| 指标 | 数值 |
+|------|------|
+| 新增页面 | 15 个（1 raw + 1 paper + 13 concepts） |
+| 新增 Review | 1 个 |
+| 概念中交叉链接 | 平均 4.5 个/页 |
+| 总增量 | +16 页 |
+
+## 💡 关键洞察
+
+1. **从流形假设到可证明定理**：这篇论文的独特价值在于将参数空间流形存在性的经验观察（PCA/t-SNE、ID 研究）**形式化为可证明定理**，并构建了满足定理的实用架构。这是流形学习在参数空间的理论收束。
+
+2. **固定权重优于可训练权重的反直觉发现**：消融实验（Table 7）揭示了一个深刻的设计原则 — 正交初始化 + 隐向量调制的组合，优于全可训练映射权重。全训练反而增加过拟合。这说明**结构约束本身是一种比自由参数更强力的正则化**。
+
+3. **理论指导架构设计**：Mapping Loss 的四个组件 — 分别对应定理的 Lipschitz 连续性、C² 可微性、以及隐空间-权重对齐 — 是"定理驱动设计"的典范。每个损失项都有明确的解析对应，而非启发式添加。
+
+4. **500× 参数效率的时代将至？**：99.5% 的参数量压缩而性能不降（甚至超出），暗示当前深度学习可能存在极其严重的参数冗余。Mapping Networks 提供了一条有理论保证的压缩路径，而不只是经验技巧（剪枝/量化）。

reviews/tapered-language-models-review-20260629.md

@@ -0,0 +1,38 @@
+---
+title: "Tapered Language Models — Review"
+created: 2026-06-29
+type: review
+paper: tapered-language-models
+---
+
+# 📌 基本信息
+
+- **论文**：Tapered Language Models
+- **作者**：Reza Bayat (Mila), Ali Behrouz (Cornell), Aaron Courville (Mila/UdeM/CIFAR)
+- **领域**：语言模型架构设计（cs.LG）
+- **arXiv**：2606.23670v1
+- **添加时间**：2026-06-29
+
+# 🎯 核心概念
+
+1. **深度感知容量分配** — 质疑 LM 中"所有层均等分配参数"的默认假设，提出容量应随深度递减
+2. **MLP 宽度渐缩** — 在固定总参数量下，将 MLP 中间层宽度从前向后按余弦调度递减
+3. **余弦衰减调度** — 最优 taper 函数，cos(πℓ/(2L)) 实现连续平滑的容量递减
+4. **早期-后期不对称性** — 早期层需要变换能力，后期层仅需精化残差流
+
+# 🔗 概念网络
+
+- **核心连接**：[[depth-aware-capacity-allocation|深度感知容量分配]] ↔ [[mlp-width-tapering|MLP 渐缩]] ↔ [[cosine-taper-schedule|余弦调度]] ↔ [[tapered-language-models|论文主页]]
+- **已有网络对接**：连接 [[subquadratic-transformer-alternatives|次二次方替代架构]]、[[recurrent-transformer-architectures|循环架构]]，跨架构验证了 TLM 的通用性
+- **新增连接**：3 概念 + 1 论文 + 1 Review，零断链
+
+# 📚 Wiki 集成
+
+- 新增页面：5 个（1 论文 + 3 概念 + 1 Review）
+- 链接完整性：100% 零断链
+- 总规模：1344 → 1349 页
+
+# 💡 关键洞察
+
+1. **"藏在眼皮底下的免费杠杆"** — Transformer 已提出 9 年，均等层宽从未被系统性质疑。本文用一个简单的直觉（后期层只需精化）+ 干净的实验设计（固定预算、MLP 为调节轴、4 架构 3 规模），发现了一个零成本的 perplexity 改善轴。这是最好的那种研究：问题如此明显，以至于一旦指出就再也无法忽视
+2. **U 形曲线的哲学** — 最优 taper 强度在 1.50→0.50，而非极端值。这说明"不对称"本身是好的，但"过度不对称"反而有害——存在一个最优的容量梯度。这对 NAS 和架构搜索有直接指导意义

reviews/verification-horizon-review-20260702.md

@@ -0,0 +1,46 @@
+---
+title: "Review: The Verification Horizon"
+created: 2026-07-02
+type: review
+tags: [verification, reward-design, coding-agent, qwen]
+---
+
+# Review: The Verification Horizon — No Silver Bullet for Coding Agent Rewards
+
+📌 **基本信息**
+- 论文：The Verification Horizon: No Silver Bullet for Coding Agent Rewards
+- 作者：Qwen Team (Alibaba)，13 位核心贡献者
+- 领域：cs.AI / cs.CL — Coding Agent 验证与奖励设计
+- arXiv：2606.26300
+- 添加时间：2026-07-02
+
+🎯 **核心概念**
+
+1. **Verification Horizon** — 验证是一道不断后退的边界：随着生成器增强，任何固定验证器最终都会被超越
+2. **Verification Trilemma** — Scalability / Faithfulness / Robustness 三者不可兼得，三者交集正是当前缺失的核心
+3. **Verifier-Generator Co-evolution** — 验证不是一次性设计问题，而是持续运维；必须与生成器协同进化
+4. **Intent Underspecification** — 意图天然欠定是验证困难的根源，proxy-intent gap 在优化下扩大而非缩小
+5. **Span-KTO** — 将 KTO 扩展到 span 级，利用人类隐式反馈的 polarity 信号进行偏好学习
+
+🔗 **概念网络**
+
+- **核心连接**：Verification Horizon ↔ Verification Trilemma ↔ Co-evolution ↔ Reward Hacking
+- **理论锚定**：Goodhart's Law + Rice's Theorem → 完美验证器的不可能性证明
+- **四个验证器架构**：Test Verifier → Interactive Judge → User Feedback Verifier → Automated Agent Verifier
+- **新增概念**：16 个（2 umbrella + 14 论文专属）
+- **复用已有概念**：reward-hacking
+
+📚 **Wiki 集成**
+
+- 新增页面：17 个（1 论文页 + 16 概念页）
+- 论文页：`papers/verification-horizon-no-silver-bullet.md`
+- 概念密度：14 个论文专属概念覆盖四类验证器 + 理论框架
+- 交叉引用：所有概念页均双向链接回论文页
+
+💡 **关键洞察**
+
+1. **验证比生成更难**——这是 Brooks "No Silver Bullet" 在 AI 时代的新版本。论文从 Goodhart 定律和 Rice 定理两个方向论证了完美验证器的理论不可能性，将验证从"工程优化问题"提升为"持续运维问题"。
+
+2. **四种验证器构成递进光谱**：从机械测试 → 交互判断 → 用户反馈 → 自主评估，每一级更忠实于用户意图但更难鲁棒验证。这个光谱本身就是 verification trilemma 的具象化——每个方案在三维中做出不同取舍。
+
+3. **Span-KTO 的深层意义**：不只是 +13.3pp 的性能提升——更重要的是模型学会了**"失败时表现更合理"**（Inefficiency +34.5%, Communication +26.5%）。这对真实部署的信任建立至关重要。