边界与路线

路线只收录能指向具体失败、实验数据或产品缺口的工作。

当前重点

Evidence Selection

MiniMax 实际运行中有 47/48 份所需证据进入 Qdrant Candidate，只读取 29/48。接下来会改进子问题 覆盖、多位置阅读和 claim-to-evidence 校验，同时继续记录候选顺序与 Preview 对选择行为的影响。现有 Best-of-2 数据不支持继续增加采样次数。

研究预算与上下文

并行采样降低了部分墙钟延迟，同时显著增加总 Token，候选池上限也没有提高。预算和采样数需要跟随 问题复杂度，固定 Best-of-N 暂时不会进入默认路径。

当前单路径 Runner 会在每次模型调用时重放本轮已经产生的工具结果和被拒答案。长研究回合需要压缩 旧结果，同时保留准确 Evidence、权限状态和可恢复的完整记录。相关方案仍处于设计阶段，当前 Harness 没有启用上下文压缩。

Reading Model Coverage

继续提高图表、公式、跨页结构和视觉资产的闭环能力，同时保持 Parser Artifact 与产品 Reading Model 的边界。

Qdrant 排序与高可用

Live Harness 已经切到 Java/Qdrant 的 Sparse BM25 单路候选。冻结查询回放达到 48/48 个指定 Evidence Obligation、24/24 个完整 Case，MRR 为 0.48019；端到端 MiniMax 仍暴露模型改写查询、 读取和引用选择问题。下一步优先分析真实 Candidate / Read / Cited 缺口与大 Scope 性能，不重新引入 Dense、RRF 或请求级回退。

Snapshot / Restore、Replica、Rolling Restart、多副本并发和数千篇论文容量仍未通过生产验证。产品 不会为 Qdrant 增加静默 BM25 回退。

Product Verification

让上传、解析、选择论文、研究、历史会话与引用重开形成稳定的浏览器级回归链路。

个人空间与管理员全局发布已经进入代码。对外开放前还需要由服务端核对合并 PDF 的内容哈希，避免只凭 客户端提交的 paper_id 建立个人拥有关系。

不采用的捷径

• 不用静态关键词模拟通用语义路由。
• 不用测试集特有的第一页或摘要特权掩盖 Parser 数据问题。
• 不在检索失败后生成一个看似正常的无证据答案。
• 不把评估语料混进产品论文库提高表面召回。
• 不把增加模型调用次数当作默认质量策略。
• 不因为仓库里已经存在 Index 或 Embedding，就把它写成当前 Assistant 能力。

进入产品前的检查

1. 明确用户问题和产品边界。
2. 保存当前行为和失败证据。
3. 用独立实验验证候选生成、编排和最终选择。
4. 同时报告质量、延迟、Token 与技术失败。
5. 通过产品行为回归后再进入默认路径。