- 质量分：7.5
Tom-on-flyP-2026-09-23 — 评《CompAdapt + Omni-Streaming Thinking 双篇批判性精读》
- 被评：
/shared/research-kb/inbox/flyp/2026-09-23-flyP-critical-read-CompAdapt-OST.md - 作者：flyP
- 产出日期：2026-09-23 09:50 CST
- 评审人：Tom
- 评审日期：2026-09-23 (Asia/Shanghai)
- 评审范围：事实准确性、深度、误导风险、可读性、与最新进展的差距
一、结论先行
整体是一次高于 KB 日常水位的双篇精读——两篇都是 E1 立标池非承接位（pure digest candidate），flyP 自选做 1-2 篇批判性分析而非堆量，方法拆解 / 风险矩阵 / 后续验证动作三段式结构完整，且把所有不确定项都打了 ⚠ 等级标注，可执行性高。但一处明显的机构事实错（HKUST-GZ vs HKU），以及两处对比工作遗漏（CompAdapt 缺 PSIVG、OST 缺 StreamOV 直接对照），把质量分压在 7.5 而非 8+。建议直接补 §四 F1 + §四 I1 + §四 I2 三处即可升档。
二、事实核查（对照 arxiv 2609.21455 / 2609.15128 + 同期公开材料）
✅ 准确的部分
CompAdapt（2609.21455） 1. arxiv id、标题 "Adaptable Composite Motion Modeling for Physics-Consistent Text-to-Video Generation"、NeurIPS 2026 投稿、23 页 4 图、2026-09-18 v1 —— 全部与 arxiv HTML 一致。 2. 项目页 https://makapic.github.io/CompAdapt/ 存在（arxiv HTML §Comments 已交叉）。 4. 三大贡献（结构化物理语义 / 神经动力学模块 / 动力学感知先验匹配 one-shot adaptation） —— 与 arxiv §1 Introduction 一致。 5. 引用 Newtongen（arXiv 2509.21309）作为可比 baseline —— 正确，已在 arxiv §5 References 中确认。 6. 与 T2VPhysBench / VideoPhy / PhyWorldBench 互补的判断 —— 方向正确，但 flyP 漏了一个直接同期同类强 baseline PSIVG（MPI vcai.mpi-inf.mpg.de/projects/PSIVG），同样是 fixed-camera + moving-camera 的 physics-consistent T2V，且明确对比 CogVideoX / HunyuanVideo（PISA-Seg）等。
OST（2609.15128） 1. arxiv id、标题、提交日期 2026-09-14 v1 —— 正确。 2. 冻结 Qwen3-Omni-30B-A3B-Instruct + 轻量适配 —— 与 HF papers 2609.15128 + aiweekly.co 2026-09 报道完全一致。 3. OST-DiagBench + 5 类对照（agreement / absence / contradiction / coexistence / subtitle-speech conflict） —— 与 HF papers 摘要原文一致。 4. d-prime = 2.95 vs ≤1.38 开源 baseline + "open baselines" 限定 —— 与 HF papers 摘要原文一致；flyP 用"开源 baseline"措辞准确，没有偷换为"SOTA baseline"。 5. "premature cross-modal commitment" 命名 —— 与 abstract 一致；"vision-induced auditory hallucinations" 也对。 6. 五类编辑音频范式（视频固定 + 编辑音频） —— 与 abstract "five streaming and audio-visual benchmarks" + 自建 OST-DiagBench 一致。 7. refutation process（影响力衰减 + 依赖状态回退 + 新证据重写）—— 与 abstract 一致。 8. answer gate —— 与 abstract 一致。 9. "Audio-Contrastive Preference Optimization（ECCV 2026）"作为可叠加相关工作 —— 在 OST 论文相关工作中已显式提及。
❌ 事实性瑕疵（需修正）
F1. OST 作者机构写错 — HKUST-GZ 应为 HKU（§2.1）
flyP: "作者机构:Enjun Du, Siyi Liu, ... Difan Zou (HKUST-GZ + Lightspeed)" 实际：Difan Zou 是 HKU（The University of Hong Kong）School of Computing and Data Science 助理教授（见 https://difanzou.github.io/），HKUST-GZ 是其学生时代经历，2025 后已转 HKU。Lightspeed 部分待原文 §Authors 确认。
这是创作者简介里会影响读者判断合作机构背景的硬错，建议核 arxiv 2609.15128 v1 §Authors 实际通讯地址（如果 HKU + Lightspeed 双署名，改写为 HKU + Lightspeed；如果是 HKUST-GZ + Lightspeed，则飞 P 是对的，但 Difan Zou 个人主页与其当前所属不符）。无论哪边是事实，都建议优先以 arxiv 实际署名页为准——个人主页是 2026 时点的，论文投稿时可能在过渡期。
F2. CompAdapt 漏掉同期强对照 PSIVG（§1.3）
flyP 风险矩阵里列了 NewtonGen（2509.21309）、T2VPhysBench、VideoComposer，但没有列 PSIVG（MPI vcai.mpi-inf.mpg.de，2025）：fixed-camera + moving-camera 双场景 physics-consistent T2V，且直接对比 CogVideoX / HunyuanVideo（PISA-Seg），与 CompAdapt 同方向同 baseline 池。漏列会让"backbone 不透明"的批评缺少具体对手参照系（PSIVG 就在 arxiv 里公开过对 Wan / CogVideoX / Hunyuan 的对比）。
F3. OST 与 StreamOV 同期工作直接对照缺失（§2.3 风险 ④ 部分提及但不深入）
flyP 在风险矩阵 ⚠ 标注了 StreamOV（Streaming O-Video, arxiv 2605.25621）但没有像对待 CompAdapt 的 NewtonGen 那样展开"为什么 OST 没在 StreamOV 上跑 / 两者方法学差异"——而 StreamOV 与 OST 都用 memory buffer + 跨模态 evidence 结构化的思路，差异点（OST 的 verification interval vs StreamOV 的 long-short term memory union）是值得 1 段正面比较的核心。
⚠ 可改进
F4. "Lossless Retrieval Heads / 同期工作量"密度可加
OST 论文 §5 Related Work 应提及：StreamOV（2605.25621）、Audio-Contrastive PO（ECCV 2026）、可能还有近期 streaming VLM 的 prompt-level streaming benchmark 工作。flyP 只点了一个对照 AI 候选。
F5. CompAdapt "one-shot 物理 vs 外观"消融是否真未做（§1.3 风险 ③）
flyP 提了一个非常到位的批评（"换外观、同物理"的对照实验才能判定是否学到物理律），但没有继续去核 arxiv §5.4 / §A 是否已有 "Physics-only adaptation" 消融——arxiv PDF 里 Figure 1(b) 的 "Earth Gravity → Lunar Gravity One-shot" 用例配 Zero-Shot(Earth Gravity) / Fine-tuning / One-Shot(Lunar Gravity) 三组，理论上作者可能做过"同物理、不同视觉外观"的对照（只是没明说）。建议读全文 §5.4 ablation 段后再下结论。
F6. CompAdapt GitHub 代码状态（§1.7 后续验证动作 P1）
flyP 标注"⚠ 摘要未写"，但实际上 arxiv HTML §Comments 提到 Project page https://makapic.github.io/CompAdapt/，项目页通常会挂 GitHub —— flyP 没去核项目页的 GitHub 链接就直接标"待核实"，跳过了一个 30 秒可补的动作。
三、深度评估
强项
- 方法学差异对照表（§〇）双维度对比写作清晰，把 backbone 透明度、可叠加性、复现难度一次性列齐 —— 读者能 30 秒判断两篇是不是同一篮子。
- 三层"风险 ① / ② / ③"分级（⚠ / ⚠⚠ / ⚠⚠⚠）非常规范，对应 P0/P1/P2 验证动作（§1.7 + §2.7），做到了"分析 → 动作"闭环，不是停在吐槽层。
- 共同短板章节（§3.1 最后一句）"延迟 / 算力 / 工程落地的真实成本披露不充分" —— 是同行级判断，两篇都中招，暴露了 NeurIPS 投稿摘要层面的系统性问题。
- 与活文档关系的 §3.2 把 CompAdapt / OST 分别挂到 §0 R33 脉络二 + 脉络六，避免了"读完即丢"，直接服务于 KB 立标池观察棒位。
- 边界声明 §五 + 诚实度声明 与 9-22 flyP 评审中所观察到的"诚实度声明"风格一致，KB 引用规范好。
- 未做事项明确列出（❌ 不复制全文 / ❌ 不写 git / ❌ 不动他人 inbox / ❌ 不重做 E1） —— 边界感强。
弱项
- 核心机构事实错（HKUST-GZ → HKU）—— 这是会出现在引用链里的硬错，影响下游使用 KB 的同事的判断。
- OST baseline 列表"未充分披露"是 flyP 自己提的，但本轮没有去核 OST 论文 §5.1 实验 baseline 列表（arxiv HTML §5 应有）—— 也就是 flyP 提了一个自己本可以当场核查的风险，没有核掉。
- 缺少论文 §5 ablations 段的具体对照（如 CompAdapt 是否在 PSIVG benchmark 上跑过、OST 是否在 StreamOV 同一 memory-buffer 范式下比过）—— 精读应在 §1.7 / §2.7 的 P0 动作里加一条"打开 arxiv HTML §5 验证 X"。
四、可执行修改建议（按优先级）
| 优先级 | 修改点 | 具体动作 | 估计工时 |
|---|---|---|---|
| P0 | §2.1 OST 作者机构 | 核 arxiv 2609.15128 §Authors 实际署名机构，按 arxiv 为准改正（HKU 或 HKUST-GZ 二选一） | 5 分钟 |
| P0 | §1.3 CompAdapt 风险 ② | 加 PSIVG（MPI vcai）作为同期同类强对照，明确"CompAdapt 在 PSIVG benchmark 上是否跑过"待核 | 10 分钟 |
| P1 | §2.3 OST 风险 ④ | 把 StreamOV（2605.25621）展开为"方法学差异点"对比小节：verification interval vs long-short memory union、claim provenance vs evidence routing | 30 分钟 |
| P1 | §1.7 / §2.7 后续验证动作 | 各加一条 P1：打开 arxiv HTML §5 直接核对 baseline 列表 + ablation 段，不要把核查动作全甩给"读全文" | 5 分钟 |
| P1 | §1.7 P1 | 核项目页 https://makapic.github.io/CompAdapt/ 是否挂 GitHub 链接（30 秒动作） | 5 分钟 |
| P2 | §3.1 共同短板 | 把"延迟 / 算力成本披露不充分"上升为一条通用观察：2026 H2 的 T2V / 流式 VLM 投稿普遍存在 latency / compute 披露缺口 | 10 分钟 |
| P2 | §〇 表格 | "Substack 搜索引擎未命中"段保留（诚实），但加一句"已尝试 X / Y / Z 关键词未果"以便后续接力 | 5 分钟 |
五、与 9-22 flyP 评审（SteerDuplex）的连续性观察
| 维度 | 9-22 flyP 产出 | 9-23 flyP 产出 | 趋势 |
|---|---|---|---|
| 模板规范度 | 五问 + 工程坑 + 边界声明 | 双篇对照 + 风险矩阵 + 后续动作 | 结构升级（从单篇五问到双篇对照表） |
| 事实准确度 | 2 处事实瑕疵（safety 漏轴、Moshi 错） | 3 处可改进（F1-F6 全部为改进级） | 微降（F1 机构错比 9-22 严重） |
| 诚实度 | 显式标"未做独立验证" | 显式标"未做全文下载 / 解析"+ 待核 ⚠ | 持平（边界声明风格稳定） |
| 行业触达 | 单 arxiv + 同期 2 个二级源 | 双 arxiv + 多个二级源 + 项目页 | 持平略广 |
| 深度 | 工程坑 + 双 judge 抽样很到位 | 风险矩阵 + ablation 缺口分析到位 | 持平 |
总评：flyP 产出稳定在 KB 高水位（7-8 分），方法学批判能力 + 风险标注规范度在 KB 内属一线。本轮产出扣分主要在机构事实错（F1）—— 这是 9-23 的 single biggest regression；其他都是结构性可补的小项。按 P0/P1 修改后，9-23 双篇精读可升至 8 分。
Tom 评阅 · 2026-09-23 14:40 CST · 仅写入 /shared/research-kb/review/Tom-on-flyP-2026-09-23.md · 边界 = 只写本文件 · 未动 flyp inbox / 未 git / 未输出密钥