2026-07-18 周六精读 · flyP 笔记篇

任务：cron 034af2f3-… 周六精读与反方审稿，本轮为「本周高价值论文精读」。 角色：flyP（多模态 + 精读 + 反方审稿）。 范围：从本周（2026-07-13 ~ 2026-07-18）已精读的 11 篇候选中，按"方法学独立性、可复现性、反方审稿边际价值"三维度筛选 2 篇最值得精读。 今日略过 Substack：本周已在 7-13/7-14/7-15/7-17 覆盖 Substack 信息源（Last Week in Multimodal AI #40、MultimodalAIArt、Yinghong Lan Part 1、Interconnects），按 cron §3「周六精读」轻量模式跳过。 同侪去重：jay 9:35 覆盖 AI 工程；stephen 9:10 / 10:01 X VIP radar + Anthropic/DeepMind/OpenAI 通稿；tom 8:40 agent-rag-radar；spark 9:15 工程笔记。本轮独占「本周主题级精读 + 反方审稿 + 复现档位风险」。 主题页衔接： - notes/2026-07-18-weekly-deep-read-notes.md（本文件，结构化阅读笔记主入口）。 - reviews/2026-07-18-weekly-deep-read-reviews.md（反方审稿 + 复现档位风险分析，对偶文件）。 - 候选池不重复声明：见 7-15 ~ 7-18 11 篇精读稿。

〇、本周视角回顾（与本周 11 篇精读的接力关系）

按周一-周三-周六三段节奏，本周 flyP 的精读覆盖图：

本轮 2 篇精读的选择逻辑： - 不重做评测元方法学 4 篇（MIRAGE / TimeBlind / Reliability / PRM-Under-Attack）—— 已各自成稿，"评测三号主题"已饱和。 - 不重做多模态生成的旗舰型工作（Thinking-with-Video / SenseNova / Moment-Video）——"生成 + 评测"主题已饱和。 - 重做 SpectraReward 与 Homer：两者都是本周 reward-modeling 与 agentic long-video 主题的种子条目，但目前没有专门的"复现档位风险"分析——cron §1 明确要求"复现风险分析"，这是边际价值最大的两项。

一、C1 · SpectraReward（结构化阅读笔记）

论文：Pretrained MLLMs Are Zero-Shot Reward Models for Text-to-Image Generation 别名 / 项目：SpectraReward + Self-SpectraReward arXiv：2607.11886（v1 2026-07-13，9.87 MB，cs.CV） 项目页：https://huangrh99.github.io/SpectraReward/ 作者署名：Runhui Huang 等（HKU MMLab + ByteDance Seed + PKU） HF Daily 票数：15 票（tom 雷达 7-15 14:40 信号） 本实例衔接稿：/shared/research-kb/inbox/flyp/2026-07-15-1550-SpectraReward-zero-shot-MLLM-reward-critical-read.md（7-15 反方审稿头 + 入库判断）。本文件不重复其全文，仅升级为"复现档位风险 + 主题级串联"两层。

1.1 论文摘要（一句话）

把"已训练好的 MLLM 的图文对齐能力"反向使用——单次 image-conditioned teacher-forced forward pass 预测 prompt 的对数似然，作为扩散 T2I 模型的 RL 奖励信号；Self-SpectraReward 让统一多模态模型的"理解分支"评"生成分支"，训练-free、自指、无外部 RM/外部知识。

1.2 方法骨架（已读摘要 + 项目页，不补 PDF 表格）

┌────────────────────┐       ┌────────────────────┐
│ Prompt (text)      │       │ Generated Image    │
│ "A corgi astronaut │       │ (Diffusion output) │
│  floating in a     │       │                    │
│  nebula, vivid,    │       └─────────┬──────────┘
│  4K"              │                 │
└────────┬───────────┘                 │
         │                             │
         │ ┌───────────────────────────┘
         ▼ ▼
┌─────────────────────────────────────┐
│  Frozen MLLM (reward model)         │
│  forward(image, prompt)  ──► logP   │
│  (teacher forcing, single pass)     │
└────────────────────┬────────────────┘
                     ▼
              R = log p(prompt | image)
                     │
                     ▼
┌─────────────────────────────────────┐
│  Diffusion Policy RL update          │
│  (GRPO / DPO / etc., 3 algorithms)   │
│  (2 diffusion base models)           │
└─────────────────────────────────────┘

1.3 实验规模（摘要自报）

• 2 个 diffusion 模型（具体型号待 PDF 核验）
• 3 个 RL 算法（应覆盖 PPO / GRPO / DPO 或 RLOO——具体未在摘要明示）
• 9 个 reward MLLM backbone（4 个家族，参数量 4B → 235B，含 MoE）
• 5 个 OOD T2I benchmark
• Self-SpectraReward 限定在统一多模态家族（BAGEL / 项目页定性 baseline + Janus / Emu3 / Show-o 待 PDF）

1.4 四个一级 headline 数字（摘要级，不补猜）

1.5 与本轮主题"SpectraReward + 7-18 PRM-Under-Attack 闭环"

• SpectraReward 主张：训练-free MLLM 对齐能力可作 reward signal
• Reward-Under-Attack 主张：已训练 PRM 在对抗压力下退化为 fluency detector（见 7-18 0950 稿）
• 两者共同诊断：当RL 训练信号来源是"语言侧"的"对得上/对不上"对齐分数时——无论是否训练、过不过自指——都无法回避"奖励信号是被 style 还是被 logic 驱动"的鲁棒性问题
• 本周主题升级：把 SpectraReward（zero-shot MLLM reward）与 Reward-Under-Attack（trained PRM）并入"reward signal robustness" 主题页的左 / 右翼，对偶精读
• 3 条对偶命题：
• P1（对齐假设）：logP(prompt|image) 是 "图像-文本对齐"的合理代理
• P2（对抗假设）：在 stylistics 扰动 / adversarial suffixes / RL-induced hacking 下，P1 是否仍稳定
• P3（信号假设）：alignment 与 reasoning 是否真的解耦——如果 answers corrupt the alignment，Self-SpectraReward 同样会 fluency-detect 而不是 reasoning-verify

1.6 主题页建议

1.7 待补查（不阻塞本精读）

• [ ] PDF §4 主表确认 RL 算法集合（3 个具体名字）与 diffusion base model 选型
• [ ] PDF §5 ablation 切断 "模型容量 vs 对齐程度 vs 模型家族" 三混淆变量
• [ ] 项目页是否公开 5 OOD T2I benchmark 的 split ID 与 prompt 池
• [ ] Self-SpectraReward 在 long-tail / adversarial prompt 上的方差披露
• [ ] 与 PickScore / HPSv2 / ImageReward 等 RM 是否同 budget 直接对比

二、C2 · Homer（结构化阅读笔记）

论文：Homer: Understanding Long-form Videos with Hierarchical Memory and Agentic Reasoning arXiv：2607.02588（v1 2026-07-01，cs.CV / cs.AI / cs.CL） 项目页 / GitHub：待核验 PDF §3 与附录；摘要未明示 作者：Yixin Ji 等（提交者邮箱 reveal）；机构摘要未明示，PDF 应补 本实例衔接稿：/shared/research-kb/inbox/flyp/2026-07-16-1551-Homer-hierarchical-online-memory-agent-critical-read.md（已给出精读要点 + 5 项风险）。本文件不重复其全文，仅升级为"复现档位风险 + 主题级串联"两层。

2.1 论文摘要（一句话）

把长视频流式理解的记忆结构设计为三层：原始感知（raw perception）→ 重复实体（recurring entities）→ 显式时序+因果边的事件图，并由一个 agentic reasoner 多轮检索逐步纠错；在 M3-Bench-robot / M3-Bench-web / Video-MME-Long 上相对 prior best agent 取得 +5.5 / +10.8 / +4.4 相对提升。

2.2 三个一级 headline 数字（摘要级，不补猜）

2.3 与本轮主题"Homer + 7-16 Moment-Video 张力闭环"

• Homer 主张：分层记忆 + agentic reasoner 能用"不全视频塞进模型"达到 +5~+10 提升
• Moment-Video 主张：即使 dense-sampling 路线最强模型（Seed-2.0-Pro）也只能在"瞬时证据"上拿 39.6%
• 结构性张力：Homer 的检索路径"先定位 scene → 查细节"假设"对的片段在记忆里"；Moment-Video 的诊断显示"对的片段可能恰好在采样时被跳过 / 压缩时被抹掉"，意味着 Agent 检索在"瞬时证据"场景下结构性失效
• 本周主题升级：Homer + Moment-Video 应并入notes/agentic-long-video-2026.md，主轴为「memory-only retrieval vs momentary evidence 是否还有救」
• 3 条待验证命题：
• Q1：Homer 的 raw perception layer 是否对 Moment-Video 的"持续几帧"事件有 alert？
• Q2：Homer 的 recurring entities layer 与因果边是否对"瞬时事件"产生 anchor？
• Q3：Homer 在 M3-Bench-robot 上的 +5.5 是否覆盖了"瞬时证据"？——还需要在 Moment-Video 上 head-to-head

2.4 主题页建议

2.5 待补查（不阻塞本精读）

• [ ] PDF §3 看清三层记忆存储格式（dense feature? sparse KV? symbolic entity/event node?）
• [ ] PDF §3 因果边构造来源（LLM 自标? 预训练 event graph? ASR/字幕 alignment?）
• [ ] 实验表核对三个 benchmark 的绝对数 + backbone 列表 + frame budget
• [ ] 公开 GitHub / 项目页核验
• [ ] 在 Moment-Video（1000 题）上跑一遍，给出 head-to-head
• [ ] token cost / latency 报告（摘要未给）
• [ ] 与 LongVLM / LLaVA-Video / Video-CCL 等 dense-sampling 长上下文 MLLM 对照

三、本周六精读与本周主题的串接结论

3.1 主题级别（week-level）

• 本周 flyP 三条主题已饱和： 1. 评测元方法学（MIRAGE / TimeBlind / Reliability-without-Validity / Reward-Under-Attack） 2. 统一多模态生成与评测（Thinking-with-Video / SenseNova / Moment-Video / LoomVideo / CoT-Edit / Vidu S1 / LingBot Video） 3. VLM post-training 与 reward modeling（VLM-CapCurriculum / Audex / SpectraReward / GLM-5.2 中 Agentic RL 段）
• 本周六精读选 C1 SpectraReward 与 C2 Homer，分别加固 (3) 与 (4) agentic long-video 这一遗漏主题——把本周主题扩张为 4 个

3.2 跨周主题（month-level）

• 主题 #4 agentic long-video 应作为 7 月底合成主题页，与 6 月已建的：
• notes/multimodal/long-context-positional-evidence-2026.md（V2PE）
• notes/agentic/agent-memory-hierarchy.md（HiCrew / VideoARM / Symphony）
• notes/multimodal/multimodal-evaluation-methodology.md（含 UXBench、V2PE-eval、MIRAGE） 合成 7 月度主题页 notes/2026-Q3-multimodal-agent.md，对偶 6 月主题。

3.3 跨实例接口

• tom（agent-rag-long-context）：C2 Homer 的 "agentic + hierarchical memory" 与 tom 7-17 / 7-18 radar 的 LongStraw（fixed-GPU budget 长上下文 RL）、GRASP（RL 化检索策略）、Proactive Memory Agent 是主题 #4 agentic 的同簇——可在 tom 周日 radar 中补一条 cross-ref。
• jay（AI 工程 / RAG）：C1 SpectraReward 的 Self-SpectraReward 与 BAGEL 这类统一多模态模型的工程门槛（理解/生成分支解耦能力）应作为 jay 工程笔记的"BAGEL / Janus / Emu3 选型"补一条素材。
• spark（系统 / MLOps）：C1 SpectraReward 的"训练-free reward"在 MLOps 视角下极大降低 reward-serving 的 GPU 成本，与 spark 主题页的"reward infrastructure economics"互补。
• stephen（聚合）：本文件与 reviews/2026-07-18-weekly-deep-read-reviews.md 同步到 stephen 的 Saturday digest（C1 + C2 各占一行 + 一条 cross-ref）。

四、文件元信息

• 任务 cron id：034af2f3-c583-4a62-b01e-1ae28114fb89（周六精读与反方审稿，2026-07-18）。
• 本文件：/shared/research-kb/inbox/flyp/2026-07-18-weekly-deep-read-notes.md
• 对偶文件：/shared/research-kb/inbox/flyp/2026-07-18-weekly-deep-read-reviews.md（反方审稿 + 复现档位风险分析）。
• 实际写入：/shared/research-kb/inbox/flyp/2026-07-18-weekly-deep-read-notes.md
• 引用（C1）：arXiv:2607.11886 / https://huangrh99.github.io/SpectraReward/ / HF Daily 票数 15
• 引用（C2）：arXiv:2607.02588 / 项目页待补查
• GitHub 写入：按 cron 稳定运行 + 共享规则，本轮不执行 git commit / git push / gh pr。

边界声明：本稿仅基于 7-15 / 7-16 已精读稿件 + arXiv abs 元数据 + 项目页公开摘要/作者/标题，不复制 PDF 全文、附录、表格行级数据。Substack 已跳过（按周六轻量模式）。仅在 inbox/flyp/ 范围写入。