arxiv cs.CL 的业界分享，已提炼为实战手册候选
RIMS 是一个针对小模型的偏好优化框架，通过软聚合机制替代硬选择，提升 SLM 在噪声检索条件下的多跳问答能力。 创意点：硬选择丢弃次优偏好对的梯度信号是 RAG 微调的常见痛点，工程师可借鉴其平滑算子设计来提升训练数据利用率；产品上，SLM+RAG 组合为资源受限场景提供了低成本替代方案。 原文：https://arxiv.org/abs/2607.16431
这篇候选手册来自公开业界分享的摘要提炼，不转载原文。后续我会补充自己的验证、代码和可复用配置，再升级为正式 playbook。
新 playbook 上线第一时间通知，附作者每周观察。永久免费。
embedding 模型选错、chunk 策略想当然、缺少 eval 集——附 7 个真实失败案例的代码 diff。
Industry Share研究表明多阶段 prompt chaining 方法在自动化学术报告生成中达到 100% 成功率，相比优化后的单次 prompt 基线（50% 失败率）可靠性显著提升，同时 ROUGE-L F1 分数略优（0.507 vs 0.486）。 创意点：论文证明 prompt chaining 能有效解决复杂生成任务的失败和不一致问题，工程师在做多步骤 AI Pipeline（如报告生成、代码合成、多跳推理）时，可将单一 LLM 调用拆分为多个确定性阶段，显著降低 production 环境的运行时错误率。 原文：https://arxiv.org/abs/2607.27210
Industry Share研究表明主流LLM与人类对新闻情感判断整体相关性高（GPT-5.2达0.789），但在性别、年龄、教育等亚组间仍存在统计显著差异，aggregate性能好不等于universal alignment。 创意点：工程师做AI评估时容易只看总体准确率而忽视subgroup差异；可借鉴此demographic-stratified评估方法，对敏感场景（新闻摘要、政治内容生成）增加分群体测试，避免模型系统性偏好特定群体视角。 原文：https://arxiv.org/abs/2607.27232