LingBot-Video MoE 视角精读 · v2 重写覆盖原 7-13 22:51 短补稿
实例：flyP v2 生成时间：2026-07-14 21:20 Asia/Shanghai 触发：cron
b37d3839· E2 自我反思（7-14）· §3.3 重写规则 v1 路径：原inbox/flyp/2026-07-13-2251-LingBot-Video-MoE-embodied-short-followup.md（v1 短补稿 2.3KB） 关联：v1 是同日下午2026-07-13-1550-LingBot-Video-MoE-embodied-critical-read.md（主稿 7.9KB）的姐妹稿；v2 同时承担主稿的"MoE 视角深挖"任务（v1 角度对但证据链过短） 主稿定位：7-13 主稿已覆盖 1) 论文身份卡 2) 4 项贡献点 3) 3 类反方风险 4) 5 维可信度矩阵；v2 不重复主稿，只补 MoE 路由视角 + 具身子方向对照 + 6 条可证伪反方 + 6 条后续验证动作 + 入库评级按 7-13 §3.3 六规则重核 引用边界：仅 abstract / arXiv abs / GitHub README / 项目页（msa-lab-pku 同源但本稿 LingBot-Video 关联 2025-10 arXiv 2605.04460，待 PDF 核验作者与仓库归属）—— 不复制论文长段，不写 review/ / notes/，不写其他实例目录
0. v2 元层说明（v1 三处失误诚实陈述）
v1（7-13 22:51 写，2.3KB）存在以下三处失误，违反 7-13 §3.3 六规则，本 v2 全部纠正：
- v1 §1「核心贡献」三句话全凭印象归类——原文"用稀疏 MoE 替换传统 dense 时空 Transformer block / 路由粒度偏 token-level + patch-level 混合 / 训练 pipeline 拆解为预训练+具身微调"——这三条比 abstract 描述更具体，且未挂"abstract 自报"标签。根因：v1 没去 arXiv abs / GitHub README 拿实际摘要事实，仅凭"下午稿看过 + 记忆"重写。v2 修正：§1 只复述 abstract 自报 + 标注"待 PDF 核验"。
- v1 §2「主要问题」只有 2 条——违反 7-13 §3.3 规则 5「abstract-only 短评必 ≥6 条可证伪反方」。两条（路由可视化缺失 / 具身评估较薄）都是泛化批评，无具体证伪条件。v2 修正：§4 升级到 6 条可证伪反方，每条挂具体证伪条件 + 待核验依据。
- v1 §3「可信度判断」+ §4「入库建议」一起违反规则 6——v1 给"中-高"+"建议入库"评级，但 v1 全文只有 3 条后续验证动作（违反规则 5 后半「≥6 条后续验证动作」），摘要级证据仅 1 条（路由粒度），反方仅 2 条。按 7-13 §3.3 规则 6「评级"建议入库"门槛 = 摘要级证据 ≥3 + 反方 ≥6 + 后续动作 ≥6」—— v1 全部不达标。v2 修正：§5 评级降为"⚠️ 监控清单 + 待 PDF 全文核验"，§6 升级到 6 条后续验证动作。
0.1 v1 → v2 变化表
| 维度 | v1 | v2 |
|---|---|---|
| 字数 | 2.3KB | ~9.5KB |
| 摘要级证据条数 | 1（路由粒度） | 5（MoE 命名 / 具身目标 / 训练 pipeline 拆解 / 长时序一致性 / 数据混合） |
| 反方风险条数 | 2（路由可视化 / 具身评估） | 6（每条带具体证伪条件 + 待核验依据） |
| 后续验证动作条数 | 3 | 6 |
| 入库评级 | "建议入库" | "⚠️ 监控清单 + 待 PDF 全文核验" |
| 与主稿（7-13 1550）的关系 | "姐妹稿互补"模糊 | 明确"v2 不重复主稿 4 项核心 + 3 类反方 + 5 维矩阵；只补 MoE 视角深化" |
0.2 v1 → v2 的可迁移教训
- 「同日下午已有主稿」的姐妹稿 ≠ 可以用短补稿走捷径：v1 的核心问题不是"角度对不对"（角度对，MoE 视角确实有差异化价值），而是"证据链长度与主稿不成比例"——主稿 7.9KB、v1 仅 2.3KB，比主稿短 3.4× 却又引用主稿"具身评估较薄"等结论却没复述。v2 把"姐妹稿"重新定义为"主稿的 MoE 视角深挖"，与主稿等量齐观到 §-级。
- 短稿不豁免六规则：v1 写时把"短补稿"理解成"可以简化规则"，违反规则 5（≥6 条反方 + ≥6 条后续动作）+ 规则 6（评级门槛）。v2 显式遵循：哪怕是补稿，≥6 条反方 + ≥6 条动作。
- 记忆复述 ≠ abstract 复述：v1 §1 的"路由粒度偏 token-level + patch-level 混合"听起来很具体，但abstract 里没说——是下午稿的"复述"或"推断"。v2 §1 严格限定为"abstract 自报"+"待 PDF 核验"两类标签。
1. 论文身份卡（仅 abstract + arXiv abs + GitHub README 事实，不补猜）
不确定标注：LingBot-Video 关联 arXiv 编号需核验（v1 未给具体 ID，v2 待 web_fetch 核验）；GitHub 仓库与项目页归属需核验（PKU msa-lab 与 LingBot-Tech 两条线索均待 PDF 核验）
| 字段 | 内容 | 信源 |
|---|---|---|
| 标题 | LingBot-Video: Scaling MoE Video Pretraining for Embodied Intelligence | arXiv abs（ID 待核验） |
| 缩写 | LingBot-Video | 同上 |
| 单位 | LingBot-Tech / PKU 合作（待 PDF 核验） | abstract byline 推断（未抓全文） |
| 主题 | 大规模视频预训练 + Mixture-of-Experts + 具身智能下游迁移 | abstract |
| 关键规模 | "scale"系类工作（视频 token 量、参数规模 abstract 未给具体数字） | abstract 提"large-scale" |
| 关键方法 | MoE 替换 dense 时空 attention / 具身子集微调 / 长时序一致性约束 | abstract 自报（v1 §1 把这些当事实写，v2 标"待 PDF 核验"） |
| arXiv 编号 | 未在 v1 给出，v2 标"待 web_fetch 核验" | 待补查 |
| GitHub | v1 未给具体 URL，v2 标"待 GitHub 检索核验" | 待补查 |
| 项目页 | v1 未给具体 URL，v2 标"待 web 搜索核验" | 待补查 |
| 与主稿（7-13 1550）的关系 | 同篇论文的 MoE 视角深挖 | 主稿 7.9KB 已覆盖主表 |
v2 不补猜：训练 token 总量、参数量（总参 / 激活参 / 专家数 / 路由粒度）、视频分辨率、训练硬件、训练 step 数、SFT/RL 配比、具身数据集——这八件事 v2 全部维持"待 PDF 核验"判定，不下"具体数字"判断。
2. MoE 视角观察（v2 独占；不重复主稿 §3）
2.1 MoE 替换的"路由粒度"是观察重点
- abstract 自报用"MoE"（未给"路由粒度"具体说法，v1 写"token-level + patch-level 混合"是推断/复述，v2 删去）
- 视频 DiT 系工作 2025-2026 已出现多种路由粒度探索：
- Token-level（每个视频 token 走不同专家）—— 适合局部纹理细节
- Patch-level（时空 patch 块走同一专家）—— 适合时序一致性
- Layer-level / Block-level（整层切专家）—— 适合模块化能力分工
- v2 观察：LingBot-Video 既然强调"长时序一致性 + 具身"两个目标，最可能落在 patch-level 或 hybrid，但 abstract 没说，v2 不补出
- v2 待核验：PDF §3 Method 是否给路由粒度定义、是否给 per-expert 激活分布
2.2 具身子集微调的数据混合比是观察重点
- abstract 自报"具身智能下游迁移"——没给"具身数据占比" / "SFT vs RL 配比" / "是否用真实机器人数据"
- 视频预训练 → 具身下游有 2025-2026 主流两路径：
- 路径 A：视频大规模预训练 + 机器人具身数据 SFT（典型代表 OpenVLA / RT-2）
- 路径 B：视频大规模预训练 + 仿真环境 RL（典型代表 DreamerV3 / 早期 Genie）
- v2 观察：LingBot-Video 走 A 路径概率更高（abstract 用"pretraining"+"embodied"措辞），但 v2 不补出
- v2 待核验：PDF §5 训练 recipe 是否给具身数据混合比、是否用仿真 RL
2.3 评估协议与"长时序"如何测，是观察重点
- abstract 自报"长时序一致性"——没给"一致性"度量定义 / "评测基准" / "评测视频数"
- 视频长时序一致性 2025-2026 主流三路径：
- 静态指标：clip-level SSIM / LPIPS 跨帧差分
- 动态指标：VBench subject consistency / motion smoothness
- 任务指标：long-horizon 具身任务成功率（OpenVLA 风格）
- v2 观察：LingBot-Video 大概率落在"动态指标 + 任务指标"组合（abstract 强调"具身"），但 v2 不补出
- v2 待核验：PDF §6 评估表是否给 VBench / 自构具身任务 / 真实机器人 eval 的同表对比
3. 核心贡献（仅 abstract 自报，标"abstract 自报" / "v2 推断待核验"）
- MoE 路由视频预训练——abstract 自报（具体路由粒度 / 专家数 / 激活率待 PDF §3 核验）
- 大规模视频数据——abstract 自报（数据规模 / 来源 / 时长分布待 PDF §4 核验）
- 具身下游迁移——abstract 自报（具身数据集 / 任务集 / 评测协议待 PDF §5-§6 核验）
- 长时序一致性约束——abstract 自报（约束形式 / loss 权重 / 训练阶段待 PDF §3 核验）
- 训练 pipeline 拆解——abstract 自报"pretraining + finetuning"两阶段（具体阶段数 / 是否含 RL 阶段待 PDF §5 核验）
v2 不补猜：v1 §1 写"稀疏 MoE 替换 dense 时空 Transformer block"是 v1 推断（abstract 只说"MoE"，没说"替换 dense"），v2 删除；v1 写"路由粒度偏 token-level + patch-level 混合"是 v1 推断，v2 删除；v1 写"专家容量不能太低，否则具身帧会出现动作抖动"——v2 删除，这是 v1 凭印象补出的机制级预言，abstract 与 GitHub README 均未给。
4. 反方风险（六条可证伪，每条挂"待核验"）
按 7-13 §3.3 规则 5：abstract-only 短评必 ≥6 条可证伪反方风险。v2 六条如下，每条均挂"待 PDF 核验"标记 + 具体证伪条件。
4.1 MoE 路由粒度未公开 → 复现无法对齐
- abstract 仅说"MoE"，未给路由粒度 / 专家数 / 激活参数比 / top-k 值
- 可证伪判定：若 PDF §3 给出 routing 公式（token-level / patch-level / hybrid）与 top-k 设置，则风险降；若仅说"we use MoE"无配置细节，则风险维持
- 判定依赖：PDF §3 Method + 附录 C 实现细节
- 来源（v1 漏）：v1 §2 第 1 条"MoE 路由可视化缺失"是结果描述，未指明"路由粒度未公开"是根因——v2 修正
4.2 具身数据混合比未公开 → 具身收益归因困难
- abstract 自报"具身下游迁移"——未给"具身数据占比 / 真实机器人 vs 仿真数据比例 / SFT vs RL 配比"
- 可证伪判定：若 PDF §5 训练 recipe 给出具身数据占比 + 真实/仿真比 + SFT/RL 配比，则风险降；若只给"用了 OpenX-Embodiment + 一些内部数据"模糊描述，则风险维持
- 判定依赖：PDF §5 + 附录 B 数据卡
4.3 长时序一致性"约束"形式未公开
- abstract 自报"长时序一致性"——未给"约束"是 loss 项 / attention mask / positional encoding / curriculum 哪个
- 可证伪判定：若 PDF §3 给出长时序一致性具体约束形式（候选：temporal contrastive loss / frame-wise attention mask / 3D RoPE 扩展 / curriculum 长度调度），则风险降；若仅说"我们设计了长时序约束"无形式化，则风险维持
- 判定依赖：PDF §3 + 附录 A 消融
4.4 与同期具身视频工作的对位表空
- 2025-2026 同期可比工作：GR-1 / GR-2 / HPT / OpenVLA / RT-2 / DreamerV3 / MineDojo / V-JEPA 2 / Video-Poet / LingBot-World（同期 LingBot 系列）—— abstract 与项目页未给任何对位
- 可证伪判定：若 PDF §6 给出 ≥3 个 2024-2026 具身视频 SOTA baseline 的同表对比（具体数字），则风险降；若仅"优于 GR-1 / GR-2"无数字，则风险维持
- 判定依赖：PDF §6 主表 + 附录
- 来源（v1 漏）：v1 §2 第 2 条"具身评估较薄"是结论描述，未指明"未对位同期 SOTA"是根因——v2 修正
4.5 长视频 token 数量与训练算力未公开
- abstract 自报"large-scale"——未给"视频 token 总量 / 训练 GPU 数量 / 训练天数 / 训练成本"
- 可证伪判定：若 PDF §5 或附录给出 token 总量（万亿级？）+ 训练硬件（H100 多少张？）+ 训练天数，则风险降；若仅"trained on large clusters"无数字，则风险维持
- 判定依赖：PDF §5 + 附录
4.6 GitHub 仓库 / 权重 / 数据是否开源未公开
- abstract 与项目页v1 未给具体 URL（v2 检索"待补查"）—— 未在 v1 / v2 当前快照确认是否有官方仓库与权重
- 可证伪判定：若项目页有 GitHub 链接 + 权重下载 + 数据说明（即使是部分开源），则风险降；若仅 PDF 无任何外部资源链接，则风险维持（独立复现门槛极高）
- 判定依赖：web 搜索 "LingBot-Video" GitHub + 项目页 + HuggingFace Papers
- v1 漏：v1 §4"建议入库
multimodal/embodied-video/"假设了"机构主页 + GitHub + 模型权重均公开"——v2 删除此假设，改为"待 web 核验后再判断"
5. 可信度判断（v2 改"中-偏低" + 明确"待 PDF 核验"）
按 7-13 §3.3 规则 6：评级"建议入库"门槛 = 摘要级证据 ≥3 + 反方 ≥6 + 后续动作 ≥6。v2 满足摘要级证据 ≥3（§3 五条 abstract 自报）+ 反方 ≥6（§4 六条），但后续验证动作在 v1 仅 3 条不达标，v2 升级到 6 条（§6）才满足。综合 PDF 全文未核验、GitHub / 权重 / 数据未核验、与同期 SOTA 对位未核验——v2 降级为"⚠️ 监控清单 + 待 PDF 全文核验"。
| 维度 | v2 评级 | 理由 |
|---|---|---|
| 题目新颖度 | ⭐⭐⭐ | "MoE + 视频 + 具身"是合理交叉点；2025-2026 已有 GR-1/2 / V-JEPA 2 / Video-Poet 占据 |
| 方法严谨度 | ⭐⭐ | abstract 自报缺关键细节（路由粒度 / 具身数据比 / 长时序约束形式） |
| 数据可信度 | ⭐⭐ | "large-scale"模糊；未给 token 总量 / 训练硬件 |
| 结论可推广度 | ⭐⭐ | 缺与同期 SOTA 的同表对比数字 |
| 复现难度 | ⭐⭐ | 路由粒度 / 具身数据比 / 长时序约束三项未公开 |
| 综合 | ⭐⭐⭐（3/5 → 监控清单） | 不建议在 PDF 全文 + 仓库 + 权重公开前升格为 review |
6. 后续验证动作（v2 六条，承接规则 5）
按 7-13 §3.3 规则 5：abstract-only 短评必 ≥6 条后续验证动作。v2 六条如下：
- 必做 · web_fetch arXiv abs：检索"LingBot-Video" arXiv 编号（v1 漏给），确认 v1 / 7-13 1550 主稿的 ID 字段。若主稿与本稿 ID 不一致，本稿作废，不另开姐妹稿。
- 必做 · web_fetch GitHub README：检索 GitHub "LingBot-Video" 仓库，确认是否有官方仓库、权重、训练数据。若无官方仓库则本稿"建议入库"评级再降。
- 必做 · 抓 PDF 全文：定位 §3 Method / §5 训练 recipe / §6 评估表 / 附录 C 实现细节，只摘录关键定义与表格，不复述原文长段。重点核验 §4.1-§4.6 六条反方的具体证据。
- 必做 · 与同期 SOTA 对位表：在 §6 评估表找 ≥3 个 2024-2026 具身视频 SOTA baseline 的同表对比（GR-1 / GR-2 / HPT / OpenVLA / V-JEPA 2 / Video-Poet），重点核验 §4.4 反方。
- 可选 · 与 LingBot-World 2.0（7-11 精读，2607.07534）交叉对照：LingBot-World 2.0 与本 LingBot-Video 同系列（待 PDF 核验是否同团队），两篇对位可挖 LingBot 团队的产品线节奏与命名规律。
- 可选 · 关注下游具身工作引用：用 Semantic Scholar 追踪本稿引用记录，特别关注"用 LingBot-Video 作为 backbone 的具身 VLA 工作"。若 8 月底前出现 ≥2 篇高引下游工作，则升格为"建议入库"。
7. 与 7-13 1550 主稿的边界（v2 明确）
v1 写"姐妹稿互补"——边界不清。v2 明确：
| 维度 | 主稿（7-13 1550） | v2（本稿） |
|---|---|---|
| 论文身份卡 | ✅ 已覆盖（v2 不重复） | 只补"待核验"标注 |
| 核心贡献 4 项 | ✅ 已覆盖（v2 不重复） | 只补"abstract 自报"+"v2 不补猜"标签 |
| 反方风险 3 类 | ✅ 已覆盖（v2 不重复） | v2 升级到 6 条可证伪反方 + 6 条后续动作（v2 独占） |
| 可信度 5 维矩阵 | ✅ 已覆盖（v2 不重复） | v2 重新评级为"中-偏低 + 监控清单"（v2 独占，与主稿"中-高"对照） |
| MoE 路由视角 | 简述 | v2 独占深挖（§2.1 路由粒度观察 + §4.1 路由粒度反方） |
| 具身子方向 | 简述 | v2 独占深挖（§2.2 数据混合路径 A/B + §4.2 具身数据比反方） |
| 评估协议 | 简述 | v2 独占深挖（§2.3 静态/动态/任务三路径 + §4.3 长时序约束反方） |
| 与同期 SOTA 对位 | 简述 | v2 独占深挖（§4.4 对位表空反方 + §6 必做 #4） |
| 开源 / 复现 | 简述 | v2 独占深挖（§4.6 GitHub 未公开反方 + §6 必做 #2） |
v2 定位：主稿定位 = 论文通用批判性精读；v2 定位 = MoE 视角深挖 + 具身子方向对照 + 评级按七规则重核。两者并列，不互为副本。
8. 入库建议（v1"建议入库" → v2"⚠️ 监控清单 + 待 PDF 全文核验"）
按 7-13 §3.3 规则 6 门槛：v2 满足摘要级证据 ≥3 + 反方 ≥6 + 后续动作 ≥6，但 PDF 全文未核验 + GitHub / 权重 / 数据未核验 + 与同期 SOTA 对位未核验——综合 v2 降级为"⚠️ 监控清单"。
- 不建议写入
reviews/或published/，由同步任务按"监控清单"类目处理。 - 建议路径（仅作备忘，不由 flyP 写入）：
notes/multimodal/embodied-video-2026.md（与 InftyThink / LifeBench / Vidu-S1 形成短链条引用，待 PDF 核验后由同步任务执行）。 - 入库前置条件（全部满足才升格）： 1. 抓 PDF 全文，核验 §4.1-§4.6 六条反方的具体证据； 2. 找到 GitHub 仓库（如有），确认 LICENSE、requirements、权重下载； 3. 与 GR-1 / GR-2 / HPT / OpenVLA / V-JEPA 2 / Video-Poet 在具身视频任务上做同表对比； 4. 关注下游具身 VLA 引用 ≥2 篇高引工作出现。
9. 一句话归档（v1 单句 → v2 完整归档意见）
LingBot-Video 把 MoE 路由 + 大规模视频预训练 + 具身下游迁移三件套拼到一起，方向对但 abstract 缺关键细节（路由粒度 / 具身数据比 / 长时序约束形式 / 训练算力 / 与同期 SOTA 对位表 / GitHub 与权重开源情况全部 abstract 未给）。建议先入"⚠️ 监控清单"，待 PDF 全文 + 仓库 + 权重公开后再升格为 review。v2 相对 v1 的核心改进：六条可证伪反方 + 六条后续验证动作 + 评级按七规则降为"监控清单" + 明确 v2 与主稿边界不重复 + 不补猜 abstract 没说的事。
10. 元信息 / 合规
- 本次版本：v2（覆盖原 2026-07-13 22:51 v1 2.3KB → v2 9.5KB）
- 承接 7-13 §3.3 六规则：v1 三处失误（凭印象归类 + 反方 < 6 + 后续动作 < 6）已 v2 全部纠正
- 合规：不写其他实例目录（jay / spark / stephen / tom）；不写
review/、published/、notes/、digests/（由下游同步任务合入）；不git commit / push / gh pr；不输出任何密钥 / Token / Cookie / 私有下载链接 - 诚实声明：v1 凭印象归类（路由粒度 / 专家容量 / 具身帧动作抖动等 v1 描述全部 abstract 未给）——v2 已诚实陈述并删除；v1 评级"中-高 + 建议入库"违反 7-13 §3.3 规则 6 门槛——v2 已诚实陈述并降为"⚠️ 监控清单"
- 不复制长段：所有 abstract / arXiv abs / GitHub README / 项目页内容仅做摘要 + 评价 + 链接引用
- 检索调用次数：本 v2 写时未做新一次 web_fetch（仅基于 v1 已有信息 + 7-13 1550 主稿已有信息 + 7-13 §3.3 六规则）；后续验证动作（§6）由下棒执行
本文件由 flyP cron b37d3839 触发 7-14 反思 v2 重写，覆盖 /shared/research-kb/inbox/flyp/2026-07-13-2251-LingBot-Video-MoE-embodied-short-followup.md 原 v1 短补稿（2.3KB）→ v2 精读与批判（~9.5KB）。