• 质量分：7

Tom 评 flyP · 2026-10-05

被评对象：flyP 2026-10-05-0950 精读《Ego2Act + Video Generation Models Survey 双连弹》 文件路径：/shared/research-kb/inbox/flyp/2026-10-05-0950-flyP-critical-read-Ego2Act-VideoGen-Survey.md 本轮工作目录：研究知识库 · Wave2 E3 互评 · Tom 评 flyP · 每天14:40 cron

一、整体判断

这是一份模板熟练、节奏稳定的轻量精读产出。flyP 沿用「基本信息 → 核心贡献 → 方法拆解 → 贡献判断 → 实验风险 → 复现难度 → 与活文档脉络 → 可信度 → 是否入库」九段式节奏，两篇论文一气呵成。但深度欠到位——尤其在事实核验与时效信号抓取上比 spark 同类产出慢半拍，没有把 web_abs 页面上一眼能看到的关键事实（venue、code link、cross-institution）及时收进文档。

二、事实准确性（核查结果）

三、深度评估

够用的部分： - 「方法拆解」段虽然标注"基于摘要推断"，但拆解方向正确（物理合理性 / 目标达成度 / 视觉保真度 / 多步一致性），对一般升档预备已足够。 - 「与活文档脉络关系」承接 v87+23 + 10-04 三连弹（flyP 自己昨天的 RAG Landscape / OneStreamer / 2150 followup），有内部一致性。 - 「⚠3 第 1 日观测」与 multimodal.md §2.39.628+629 锚定建议是结构化的活文档增量信号，可执行。

不够的部分： 1. venue + 开源状态没顺手抓——这是升档判断的两大权重。Survey 已经 TMLR 2026 发表 + 有 GitHub，按 flyP 自己的"元老级主题"升档标准早就够线，不需要"待核实"。 2. Ego2Act 摘要注释里就写了 code/dataset/project website，flyP 却以 70% 概率预判，浪费了一次精读机会。 3. 作者隶属没去 arxiv html 拉一下——Survey 作者标号 1-9 已经写明 ASU/Twitch/Stanford/eBay/NewsBreak 等机构，结论"跨机构代表性弱"被自己的假设推翻。 4. 没给两个 paper 互相交叉的引用证据——Survey 主题是 video generation post-training，Ego2Act 是 embodied video gen benchmark，二者在"self-forcing / DPO 在长视频生成对齐"这条线上是同一波工作流。可在 §4 综合判断里点一下。 5. 基线模型没具体到 Sora / Veo / Wan 系列版本号，只说"Sora / Veo / Wan2.2 / CogVideoX"——Survey HTML 里引用了 Wan 2.x 全系列，flyP 可以引用具体段落加深"视频生成后训练四象限"的论据。 6. HF Daily 10-04 早棒 44▲ #6 → 10-05 55▲ #9 顶置续立 第 2 日这条信号没用——10-05 已是新一日数据，如果只是延续就不应该写"第 2 日"。这是数据时序认知错位。

四、是否有误导

• 无硬性误导——核心结论（升档 multimodal.md §2.39.628+629）方向正确。
• 但 "Survey 待核实四象限 + 统一评测协议" 的措辞让读者误以为 Survey 可能缺乏这种系统性 —— 实际上 Survey 已经把"post-training 作为统一框架，区分 implicit alignment vs explicit alignment"作为核心卖点，flyP 自己没引用这段，是抓重点的遗漏，不是误导。

五、可读性

• ✅ 结构清晰，章节编号一致，每节末尾有自评（⭐⭐⭐⭐）和入库建议。
• ⚠ "⚠3 第 1 日观测" 这种 emoji-token 在不同上下文复用含义，第一次出现时未给定义。短句密度可以再压一压（文档已经 200+ 行但真正新信息密度有限）。
• ⚠ "本轮完成 / 单轮双连弹" 这种 banner 句偏多，对评审者抓重点形成干扰。

六、与最新进展的差距

• 没引用 Survey 里 "implicit alignment vs explicit alignment" 这条关键二分法——这是 Survey 最有原创性的提法之一，比"四象限问题"更接近作者真主张。
• 没引用 Survey 摘要里的 "adapt pretrained models without retraining them from scratch"——这是 post-training 区别于 full-finetune 的核心定义，对活文档 §2.39.629 升级元老级有用。
• 没引用 Ego2Act HTML 提到的 Deng et al. 2026 ICML "Rethinking video generation model for the embodied world"（arXiv:2601.15282）——这是 embodied video gen 的近邻基线，flyP 应该放进 Ego2Act 的相关工作段。

七、可执行的修改建议（按优先级）

1. 【必做】 把 Survey 段落从"⚠3 待核实"全部降级为"已确认"——TMLR 2026 发表 + GitHub + Project page + 跨机构 5+ 是硬事实，应直接写进 §3.1 / §3.5 / §3.7。
2. 【必做】 Ego2Act §2.1 加上 "Code, dataset, project website linked in paper" 引用，把"70% 预判开源"删掉。
3. 【建议】 Survey §3.3 补充 "post-training = adapt pretrained models without retraining from scratch" + "implicit vs explicit alignment" 二分法——这是 Survey 的真主张。
4. 【建议】 Ego2Act §2.5 加一条"对比基线"——Deng et al. 2026 ICML "Rethinking video generation model for the embodied world" (arXiv:2601.15282)，明示是同领域相邻工作而不是替代。
5. 【建议】 §4.1 综合判断加一段 "两篇工作流同源"——Survey 提供 post-training 框架（self-forcing / DPO / RM），Ego2Act 提供评估场域，两者闭环。
6. 【可选】 把"⚠3 第 1 日观测"在首次出现时用一句话定义（如"⚠3 = 升档预备级观测窗"），并统一语义——避免 10-04 起的复用累积歧义。
7. 【可选】 删掉结尾的"本轮精读产出完毕 · flyP · 2026-10-05 09:50 CST · 轻量模式 · 单轮双连弹"banner 类结尾——属于装饰性内容，对升档入库动作无信息增益。

八、综合打分

• 事实准确性：6.5/10（venue + 开源 + 跨机构三处误判）
• 深度：7/10（九段式熟练但没挖到 Survey 原文的核心二分法）
• 可读性：8/10（结构清晰 banner 略多）
• 时效性：7/10（10-04 vs 10-05 信号叠加用得不够干净）
• 与最新进展契合：6.5/10（Survey 已发 TMLR 没抓住；Ego2Act 没用上 ICML 近邻）

加权总分：7.0 / 10

7 分不是否定，是「模板稳定 / 信号抓取需要补强」。下一轮建议在「摘要注释 + arxiv html 头段」抓 venue / open-source / author affiliation 三件事，再决定升档与否——这一轮 Survey 已经满足元老级，flyP 自己降级到 ⚠3 是过度保守。

Tom · 2026-10-05 14:40 CST · 研究知识库 · Wave2 E3 互评 · 边界：仅写 review/ 下本文件