更新流水线

主题/引用检索
  -> 候选 JSON 和 Markdown
  -> 去重、版本检查、来源核验
  -> 摘要级卡片
  -> PDF 级卡片
  -> 研究问题地图和关联关系

自动候选只说明“值得检查”,不说明“已经支持某个结论”。检索策略、返回数量、去重数量和未核验元数据必须保留在候选文件中。

当前值得持续追踪的方向

  • evidence-set completion、minimal sufficient evidence、bridge evidence
  • provenance-aware retrieval、citation faithfulness、encoder evidence routing
  • graph interface routing、logical retrieval、query execution
  • adaptive traversal、turn-level utility、process-constrained RL
  • imperfect KG、graph poisoning、subgraph reconstruction、privacy
  • multimodal/layout/temporal graph grounding
  • low-cost graph construction、consumer hardware、token/latency budget
  • benchmark:图何时有用、wild-source corpus、topology-grounded evidence
  • cross-construction portability、query-local graph interface、index deletion consistency
  • how-provenance、statement occurrence tracing、query-level policy adaptation

开放问题

  • 候选池固定时,文档集合如何学习互补性和证明一致性?
  • provenance 是否能改变实体传播,而不只是增加 readout 容量?
  • evidence role 是否能在没有路径标注时被识别?
  • 搜索的软分布、显式路径和 query execution 是否可以统一校准?
  • evidence sufficiency 是否能同时指导停止、预算和最终评测?
  • 图噪声的置信度如何进入状态,而不是停留在预处理权重?
  • 检索器如何在构图 schema 改变后保持有效,而不把构图偏置误当作检索能力?
  • 文档删除后,派生事实、缓存、摘要和 provenance 是否与新鲜重建完全一致?
  • 多模态 benchmark 的 topology-aware gold 能否区分真正的证据恢复与页面/OCR 捷径?

内容重构队列

  1. 优先补齐 9 个 abstract-level 卡片中缺少问题、方法或结果段落的记录。
  2. 修复 12 个 repair-needed 原始文件;恢复后重跑生成器,卡片会自动回填结构化内容。
  3. 对 3 组疑似重复来源做版本、标题和正式来源核验,再决定 canonical 关系。
  4. 对 P0 论文逐项核对 venue、版本、关键数字和代码状态,再把矩阵中的“待核验”替换为来源级结论。

处理规则

  1. 每周或每次论文批量检索后运行候选发现脚本。
  2. 先按 Q1-Q10 和 P0/P1/P2 分类。
  3. P0 先核对一手来源、版本、代码和评测协议。
  4. 只有完成最小卡片后,才加入稳定地图。