[七问法] BriskSeed：研究故事线与下一阶段验证合同

[ShuhaoZhangTony]

七问法研究合同

这是基于当前仓库证据的下一阶段建议。历史负结果继续保留；本合同不会把 smoke、replay、simulation、projected profile 或 host fixture 升格为端到端效果。

1. 问题定义：开放世界数据持续漂移时，动态图 ANNS 如何联合决定索引更新、种子选择和查询代价？
2. 重要性：先在真实 workload/runtime 上量化该问题的发生频率、资源损失和 SLO/正确性影响；若 M0 不能复现可重复病理，则停止机制实现。
3. 现有工作缺口：静态 ANN benchmark 和离线构建假设无法覆盖持续插入、分布漂移及 update/query 干扰。
4. 核心机制假设：将 BriskSeed 的机制贡献与 CANDOR-Bench workload 贡献分开，使用固定算法 pins 研究 seed 策略在漂移强度下的胜负边界。
5. 最小可行设计：只实现能够区分 baseline/treatment 的最小真实 seam；所有 runtime、算法和数据依赖必须由本仓库 submodule 固定，禁止依赖 ambient shared core。先做 correctness gate，再申请扩大设备/模型矩阵。
6. 实验合同：比较静态 rebuild、周期 rebuild、主流动态 ANNS 和 BriskSeed；沿更新率、漂移幅度、查询热点与内存预算报告 recall、QPS、update latency、rebuild cost 和峰值内存。 两臂必须使用同一 commit、模型、数据顺序、硬件和运行模式；至少 10 次重复或完整真实事件集，报告完整分布。正确性必须 100%，性能门须预注册；未过门只关闭本机制，不修改阈值迎合结果。
7. 预期知识增量：Continuous ANNS requires drift-aware seeding and update policies rather than static-index assumptions.

下一次提交要求

• 先在本 Issue 回复：架构/数据事实、matched baseline/treatment、指标阈值、correctness oracle、停止条件、证据等级、硬件与预计时长。
• 随后用独立分支提交最小实现、测试、原始结果、manifest 和 Draft PR。
• 不得把准备度检查、dry-run 或 projected 数字写成论文效果。

[ShuhaoZhangTony]

@hongrugao 这是你负责的 BriskSeed 研究升级合同。当前 GitHub 返回你不是本仓库可分配的 assignee，因此暂时无法正式挂名；请先按合同回复 M0 问题定义与实验门。仓库协作权限由老师后续处理。

[ShuhaoZhangTony]

@hongrugao 已向你发出本仓库的 write collaborator invitation。请接受 GitHub 邀请；接受后我会把本 Issue 正式 assign 给你。研究合同已经生效，可以先回复 M0 计划。