Daily Report — 2026-10-12
Daily Overview
- 工作内容： 今日工作涵盖了学术研究验证、PhD application 联络、高规格会议准备、大规模 robotic model 基准测试 (E6)、项目交接文档 (JEV) 以及个人自动化工具的软件缺陷修复。
- 执行方式： 通过在 Tianhe3 上进行 cluster log 分析、对学术背景进行深度网络调研、针对软件稳定性进行自动化测试与 regression，以及使用基于 Python 的工具进行结构化的 manuscript/PPT 创建。
- 影响： 使关键研究数据集和 manuscript 达到最终定稿状态，为 NeurIPS camera-ready 提交确定了专业的战略方向，为学术社交建立了高层次的研究叙事，并稳定了个人 agent 基础设施以实现可靠的自动化工作流。
今日涉及 RecoverBench 和 NeurIPS 的全面研究与数据验证，PhD applications 的战略性学术准备，PersonalAgents 平台的稳定性维护，以及 RoboHarness E6 对比运行的最终数据收集。
Tasks
Architecture & Strategy
- ✅ Camera-Ready Strategy Synthesis — 为 NeurIPS camera-ready 版本开发了 storyline 和修订清单，重点是将战略重心从 ‘scale’ 转向 ’trustworthiness’。
- ✅ Meeting Preparation for Prof. Xiaoyang Wu — 调研了 Prof. Wu 的学术背景，识别了在 3D representations 和 failure recovery 方面的技术重叠点，并设计了结构化的讨论时间线和 presentation deck。
- ✅ RoboHarness E6 Data Collection — 在管理完 spend limits 和 transport errors 后，完成了 Gemini 3.1 Pro（重试成功率 100%）和 3.5 Flash-Lite（成功率 77.3%）的 E6 runs。
- ✅ Research Analysis & PPT Generation — 完成了 error decomposition (A1-A3)、LIBERO-PRO probe analysis (B1-B3)，并通过 python-pptx 生成了用于研究报告的 15 页 PPT。
- ✅ RecoverBench Data Validation — 在 Tianhe3 上验证了批量再生结果，确认了包括替换项在内的 2,923 个 training scenes 和 1,360 个 evaluation scenes。
- ✅ JEV Project Handoff & Documentation — 为合作者创建了全面的 HTML handoff guide，包括技术约束、任务优先级和修正后的 model descriptions。
- ✅ PersonalAgent Software Stabilization — 修复了多个关键缺陷，包括 blog publication retries、single-instance startup locking、WeChat crash-safe sending 以及 TokenMonitor 中的 cross-platform path canonicalization。
- • A4/B4 Ongoing Experiments — 正在执行完整的 32-frame rotation attribution 和 LIBERO-PRO environment perturbation 实验。
- ✅ PhD Application Outreach & Preparation — 为多位教授（Jun Yang, Brandon Fain, Qianqian Song, Jiajun Wu, 和 Xiaoyang Wu）起草了定制化的推荐信和邮件，确保了精确的技术主张和研究一致性。
- ✅ MIHD Manuscript Structuring — 为 MIHD 论文起草了逐章节的 roadmap，使用 ‘Press-Release Principle’ 将实验证据映射到逻辑严密的六段式流向中。
Implementation & Fixes
- ✅ Personal Agent UI/Dev Setup — 重新设计了 LifeCopilotBeta portal 的 ‘one-tap’ 界面，并初始化了 CLAUDE.md 以规范 repository 开发规则。
Problems & Solutions
Critical Issues
1. W4A4 error sources and LIBERO-PRO discrepancies (Task/Position).
Solution: 将 5 个根本原因（Softmax, Calibration 等）进行了分类，并确定 instruction source 和 unseeded generators 是导致 discrepancies 的原因。
2. Discrepancies between NeurIPS submission and actual codebase/dataset (SHA types, robot platforms, counts).
Solution: 采用了 ‘Changes since submission’ 的披露策略，优先强调 ’trustworthy’ 数据而非原始的 ’large-scale’ 主张。
3. Research narrative felt like a list of papers rather than a cohesive direction.
Solution: 围绕核心问题重构了叙事：“Robots 可以执行 recovery actions，但它们缺乏识别何时需要进行 recovery 的能力。”
4. Software defects in PersonalAgents (blog retry logic, WeChat crash safety, single-instance startup, and path grouping errors).
Solution: 实现了 local HEAD 与 ‘git ls-remote’ 的对比、atomic intent persistence、OS file locks 以及 path canonicalization。
5. JEV 27B performance drops in specific tasks.
Solution: 识别出 visual prompts 中缺乏 counting mechanisms 和 timeout handling 的问题；已将其添加到 handoff documentation 中。
General Issues
6. User felt guilty/anxious regarding delayed professor communications.
Solution: 制定了一种 ’low-friction’ 策略，使用简短的道歉结合高密度、即插即用的信息。
7. Gemini 3.1 Pro hit spend limits and experienced RemoteDisconnected errors.
Solution: 将 spend limit 提高至 $4785，并手动验证/恢复了 episode 11。
Human vs AI Approaches
Strategic Level
Camera-ready Narrative
| Role | Approach |
|---|---|
| Human | 专注于为最终提交提供有效数据的必要性。 |
| AI | 提出从 ‘scale’ 到 ’trustworthiness’ 的转向，以确保科学完整性。 |
Difference Analysis: AI 建议对论文的核心价值主张进行战略性的重新品牌化（rebranding）。
Research Narrative Framing
| Role | Approach |
|---|---|
| Human | 坚持从按时间排序的论文列表转向 ‘research-problem-driven’ 的叙事方式。 |
| AI | 最初提供的是基于论文的时间线摘要。 |
Difference Analysis: Human insight 驱动了向高层次学术交流风格的转变。
JEV Success Metrics & Training Status
| Role | Approach |
|---|---|
| Human | 纠正了 AI 关于 4B 和 27B models 训练状态的误解。 |
| AI | 基于对上下文的误读，错误地将 models 分类为 ‘fine-tuned’。 |
Difference Analysis: Human 纠正了关于 zero-shot 与 fine-tuned 状态的技术误解。
ASR Execution Backend
| Role | Approach |
|---|---|
| Human | 执行了 GPU memory 约束，以避免与大型 LLMs 发生冲突。 |
| AI | 最初尝试为 ASR 进行 GPU 集成，忽略了资源共存的需求。 |
Difference Analysis: Human 提供了关于 GPU 管理的关键约束。
PPT Generation
| Role | Approach |
|---|---|
| Human | N/A |
| AI | 使用 python-pptx 创建原生、可编辑的 slides，并使用自定义 previewer 来绕过 GUI 限制。 |
Difference Analysis: N/A
Manuscript Tone
| Role | Approach |
|---|---|
| Human | 要求去除冗长的专业术语，以实现 editorial-style 的摘要。 |
| AI | 最初提供的是充满技术术语/缩写词的完整句子。 |
Implementation Level
Commit history scrubbing
| Role | Approach |
|---|---|
| Human | 请求清理 Git history 中的 proxy tokens。 |
| AI | 使用了 git filter-repo 并创建了 commit map 以实现可追溯性。 |
Difference Analysis: N/A
AI Limitations
Critical Limitations
- AI 尝试将 ASR 切换到 GPU，但未妥善衡量其对现有大型 LLM 的资源影响/共存情况。
- 在 storyline summary 中，误将 4B judge model 的训练状态识别为 ‘fine-tuned’。
General Limitations
- AI 无法通过 web search 获取 NeurIPS 2026 camera-ready 的官方截止日期。
- 在没有进行深度 web scraping 的情况下，AI 最初难以找到关于 Prof. Wu 机器人操作实验的具体细节。
- Gemini 3.1 Pro 中的传输错误 (RemoteDisconnected) 需要手动验证 retry logic。
- 无法在 server 上将 PPT 渲染为 PDF 或通过 GUI 查看；回退至 wireframe preview script。
- shell commands 中的文件写入（重定向）被 guard 拦截；已切换至 Edit tool 或特定的 shell patterns。
Learnings
Key Learnings
- 在 camera-ready 修订中，将 ‘Changes since submission’ 作为正式章节比尝试将修正描述为 ‘improvements’ 更为稳妥。
- 有效的学术社交在于提出一个定义明确的研究问题，从而邀请他人贡献其专业知识，而不仅仅是请求帮助。
- 与 ‘pause’ 模式相比，’non-pause’（连续）机器人执行模式会显著降低成功率，这凸显了对快速、高精度 local judges (JEV) 的需求。
- Rotation (SpinQuant) 有效降低了 VE outlier 的量级，但并未解决深层网络中 4-bit per-tensor weight quantization 的累积误差问题。
- 与 launcher 的原始 token 估计相比，Gemini 3.1 Pro 的 ’thinking tokens’ 显著增加了实际的 proxy 成本。
Practical Learnings
- 路径规范化（例如 macOS 上的 /private/var 或 Windows 上的 8.3 names）对于项目管理工具中的跨平台分组逻辑至关重要。
Conversation Summaries
RecoverBench
✅ Dataset verification and camera-ready planning 分析了 Tianhe3 上的批量再生日志，以确认数据集的完整性。为 NeurIPS camera-ready 版本制定了综合计划，解决了机器人数量、错误定义和成功指标方面的差异。
PersonalAgent
✅ UI Redesign and CLAUDE.md initialization 重新设计了 LifeCopilotBeta 门户，以获得更好的移动端响应能力和 ‘one-tap’ 交互体验。创建了 CLAUDE.md，为 personal agent 仓库建立开发规则。
PhD Applications
✅ Recommendation letter drafting & Outreach 提取研究和课程历史，为教授（Song, Wu 等）起草定制化的邮件和推荐信，确保技术主张和作者署名归属的准确性。
RoboHarness
✅ Completing E6 cells and budget management. 决定将支出限制提高到 $4785，以完成剩余的 E6 运行。成功管理了 3.1 Pro 和 3.5 Flash-Lite cells 的完成，最终确定了 E6 对比的数据。
RoboMemoryJev
✅ JEV Project Handoff and Results Analysis 分析了 27B vs 4B judge 在闭环测试中的表现。为同事完成了专业的 handoff document，详细列出了任务 (T1-T4)、技术 ‘don’ts’ 以及 ‘plan once + JEV’ 方法论。
MIHD
✅ Manuscript Outline and Figure Planning 将 MIHD 论文结构化为六个关键图表。定义了从 framework/AI-assistant 到 clustering 和 cross-slide queries 的逻辑流，确保所有主张都有 evidence maps 支持。
PersonalAgents
✅ Comprehensive Repair and Bug Fixing 进行了多阶段的审计和修复过程，通过广泛的 regression testing，修复了 blog 发布、单实例锁定、WeChat crash recovery 以及 summary 日期过滤中的缺陷。
TokenMonitor
✅ CI Project Grouping Fix 调查了由于缺失路径规范化导致的 CI panic，该问题导致 macOS 和 Windows 环境下的 key 不匹配。