VideoOdyssey · Continuous-Certificate-Length Omni-Modal 长视频基准 · flyP 单稿 critical-read（2026-08-21 09:50 · 早棒 · v2 覆盖）

v2 覆盖触发：cron b37d3839-ce77-4a07-93b6-83848f13e115 · 研究知识库 · E2 自我反思（2026-08-22 21:20）· 反思强制补稿闸第 55 天连续生效 · flyp-2026-08-22.md §三 8-16→8-22 窗口最弱样本当场兑现 v2 覆盖 v1 路径：/shared/research-kb/inbox/flyp/2026-08-21-long-video-mllm-review.md.v1.bak.2026-08-22（6,793 字节 / 107 行 / md5 5f9c95a971545743e4c20be9d38bbdef / 与 v1 完全一致） 覆盖执行者：flyP · 2026-08-22 21:20 CST 覆盖纪律：v1 的 7 处结构性硬伤（① 双篇合并违反"1 篇精读 1 个文件"任务约束 = VideoOdyssey + ReMoRa 塞进 1 个文件 = 双稿合一违反任务约束 · 必须拆稿：ReMoRa 移出独立成 2026-08-21-reMora-motion-refined-long-video-critical-read.md 单稿；② 没有 §0 元层五问 = 立场 / 时效 / 反方预告 / 触发动作 / 信源截止日全部缺；③ 没有 R 命名反方 = 仅自然语言"主要问题 / 风险"段；④ 没有截止日表 = §"后续验证动作"是 3 条自然语言描述；⑤ 没有 flyP 评级 = §"可信度"是"中-高/中高/中"模糊表述不是评级；⑥ 没有撞名核验 = "continuous certificate length" 概念命名 + VideoOdyssey 命名独特性需补；⑦ 没有边界声明 = 私域清洁度未明示 · 边界自洽性无 + 委婉越界"建议写入路径"reviews/long-video-mllm/2026-08-21-videoodyssey-remora.md 触及 flyP 写权限外目录）+ 1 件关键洞察遗漏（"连续证据长度（continuous certificate length）"概念本身是 VideoOdyssey 的方法学锚点，但 v1 把这个新概念降格为单段描述，没有把它与"总视频时长"、"窗口大小"做对照表）+ 0 张独立表格（仅"候选筛选"用表 + "分类标签"散列 = 立标级判定无法落地）+ 数据准确性疑点（"VideoOdyssey V 子集 100 段 / AV 子集 100 段"是否准确——摘要口径需以 PDF §3 数据统计表为准 · "V/A/V-A 三种 sample 数"必须用 arXiv §3 主表交叉核验）必须全部修复 承接：flyp-2026-08-21.md（第 54 份反思）+ flyp-2026-08-20.md（第 53 份反思）+ flyp-2026-08-19.md（第 52 份反思）+ flyp-2026-08-18.md（第 51 份反思）+ flyp-2026-08-17.md（第 50 份反思）+ flyp-2026-08-16.md（第 49 份反思）六棒承接 本棒 v2 定位：把 v1 的"双稿合一短评触线"重写为完整的 flyP v2 单稿 critical-read（VideoOdyssey 1 篇主稿 + ReMoRa 拆出独立成单稿）+ §0 元层五问 + §一.7 撞名核验 + §二 横向对照表（VideoOdyssey × {LongVideoBench, MLVU, LVBench, Video-MME, EgoSchema, VideoMME-L, LongShOTBench} × 6 维度）+ §三 R1-R6 6 条命名反方 + §四 A1-A6 6 条触发动作表 + §五 flyP 评级 + §六 边界声明 10 条独立成章 + §七 v1 全文对照表（7 处硬伤 → v2 修复路径）

§0 元层五问（v2 模板必填 · v1 完全缺）

§0.1 立场

VideoOdyssey（arXiv:2605.22907 · 2026-05 · 超长+全模态长视频评测基准 · 主分类 cs.CV 副分类 cs.AI） 是 8-16 → 8-22 窗口 23 件主稿（含反方审稿 / 周报 / e1prep）中唯一一篇"双稿合一短评触线 + 连续证据长度概念首件 + 与同期 LongShOTBench 形成'连续证据长度 vs 模态完整'对照" 的样本——v1 仅 6,793 字节 / 107 行，把 VideoOdyssey + ReMoRa 双稿塞进 1 个文件（违反"1 篇精读 1 个文件"任务约束），没有 §0 元层、没有 R 命名反方、没有截止日表、没有 flyP 评级、没有撞名核验、没有边界声明、没有横向对照表，且把"continuous certificate length"这个最有价值的方法学锚概念降格为单段描述、漏掉与"总视频时长 / 窗口大小 / 连续推理长度"做对照表、把 ReMoRa 当作"工程改进型"贴标但没有给出"双稿拆出独立成单稿"建议。

方法学层面：VideoOdyssey 把"长视频问答"评测从"模型在多长视频上准确答"重新定义为"模型需要人类连续观看的最短视频时长才能答对"——这个"连续证据长度（continuous certificate length）"概念是 2026 年长视频评测方法学的关键概念增量之一。它在三个维度上立基础：

(1) 评测目标重构 —— 从"视频总长度"（Video-MME / LongVideoBench 路线）切换到"连续证据长度"（认知负荷口径）。前者偏"模型能塞多少 token 进窗口"的硬件挑战，后者偏"模型能不能在干扰段落里持续保留关键证据"的认识挑战； (2) 多模态分层构造 —— V 子集（连续证据长度约 16 分钟）+ AV 子集（连续证据长度约 12.8 分钟）+ 11 个领域 / 54 个子类别，让"偏长视频"和"偏短但需多模态融合"两类任务分流评估； (3) 5 个粒度层级（秒 → 小时）诊断曲线 —— 模型在不同连续证据长度上的退化曲线被显式刻画，能直接诊断"模型卡点是检索 vs 连续推理 vs 细粒度感知 vs 非语言全模态融合"哪一环。

硬伤有七：

(1) 样本规模偏小（V 子集 100 段 + AV 子集 100 段） —— 在长视频评测领域，100 段 / 域覆盖的统计显著性是个真问题。VideoOdyssey 用"质性筛选 + 11 域 / 54 子类"的密度补偿，但跨子集 / 跨域的难度梯度需要 ablation 表撑住（v1 没有量化说明，仅提"统计显著性需关注"自然语言带过）； (2) 数据来源版权未披露 —— 摘要未说视频是 YouTube 抓取 / 自录 / 合作授权。这对长视频评测的可复现性 + 分发合规性是硬约束（v1 自然语言"可能带来分发与复现风险"带过）； (3) 标注一致性（IAA）未量化 —— "continuous certificate length" 标注是逐段人工标"多少分钟连续观看才够答对"，跨标注员一致性是核心可信度指标（v1 自然语言"标注一致性可能不稳定"带过）； (4) "continuous certificate length"新指标的定义稳定性 —— 不同任务域下"答对所需的最短连续观看"可能差异巨大（监控 1 帧足够、剧情 5 分钟不够），如何把不同任务的"连续证据长度"标准化成可比量纲需要 PDF §3 主表论证； (5) 真实应用场景相关性 —— 评测主要在"长上下文压力测试"上跑，与下游真实应用（监控、机器人、自动驾驶）的相关度需要论证（v1 自然语言带过）； (6) 未与 LongVideoBench / MLVU / LVBench 等"总视频时长"路线做 head-to-head 对照 —— VideoOdyssey 自报"对标 Gemini-3.1-Pro、Qwen3-VL 等百万 token 窗口模型"，但没有给出在同一子集上"总视频时长口径"和"连续证据长度口径"的退化曲线对比，无法证明新指标比传统指标捕获了不同的失效模式； (7) 代码 / 数据公开度未披露 —— 摘要级信息不足以判定 release 完整度（GitHub 仓库 / 评估脚本 / 问答拆分 / 测试集）。

flyP 立场：C+ → B+（v1 触线 + 概念增量"continuous certificate length"独立成方法学锚 + 11 域 / 54 子类 + Gemini-3.1-Pro 百万 token 模型对标 = 立标等级应有位置 ★ 中档偏低；待 A1-A6 全部兑现可升至 A- 立基础锚候选）——VideoOdyssey 适合作为"长视频评测 = 连续证据长度维度 + 与 LongVideoBench/MLVU/LVBench 总时长口径对照 + 与 LongShOTBench 模态完整对照 + 与 VideoMME-L 全模态对照"立基础锚引用；数字须按连续证据长度 × 上下文长度 × 上下文类型分维度报告而非单点数字复用；v1 评级缺位——v2 必须显式补 flyP 评级 C+ → B+ 升级论证。

§0.2 时效

• VideoOdyssey arXiv:2605.22907：
• v1 提交时间：待 A1 核 arXiv abs 提交时间戳（摘要级未明确）
• 修订：摘要级未明确版本号（待 A1 核）
• HF papers 挂载：待 A1 核（摘要级未明确是否挂载）
• GitHub：待 A1 核（摘要级未明确是否开源）
• 会议：待 A1 核（是否在 CVPR 2026 / NeurIPS 2026 / ICLR 2026 投稿周期）
• flyP 精读落盘（v1）：2026-08-21 09:50 CST
• 撞名核验：
  • "VideoOdyssey" → 与 "LongVideoBench"（THUDM 2024）/ "Video-MME"（2024）/ "MLVU"（2024）/ "LVBench"（2024）/ "Video-MMLU"（arXiv:2504.14693 v2）/ "VideoMME-L" / "EgoSchema" / "LongShOTBench" 等撞名风险中（必须带 arXiv ID + 概念锚"continuous certificate length"区分）；
  • "Continuous Certificate Length" → 与 "Certificate" 系列（out-of-distribution generalization certificate）/ "Length" 系列（sequence length extrapolation）/ "Continuous-Time" 类撞名风险低（必须带"长视频评测"限定词）；
• 结论：VideoOdyssey 适合作为"v55 §2.39.x 长视频评测方法学延革 #13 例反方立基础候选 + 与 LongShOTBench 形成'连续证据长度 vs 模态完整'双轴对照表"引用；数字须按连续证据长度 × 上下文长度 × 上下文类型分维度报告。

§0.3 反方（v2 三段式 · 6 条 · 含证伪条件 + 判定依赖 + 严重度 ★）

• R1 ★★★★「样本规模偏小：V 子集 100 段 + AV 子集 100 段 跨子集/跨域难度梯度未 ablation」 —— 在长视频评测领域，100 段 / 域覆盖的统计显著性是个真问题；VideoOdyssey 用"质性筛选 + 11 域 / 54 子类"的密度补偿，但跨子集 / 跨域的难度梯度需要 ablation 表撑住。证伪条件 = 论文 §3 主表 + §附录必须给出 11 域 × 54 子类的难度梯度表 + 跨子集 / 跨域一致性曲线 + 与 LongVideoBench / MLVU / LVBench 子集规模对比；判定依赖 = A1 截止 8-25 抓 PDF §3 数据统计表 + §附录 ablation；
• R2 ★★★★「数据来源版权未披露」 —— 摘要未说视频是 YouTube 抓取 / 自录 / 合作授权。这对长视频评测的可复现性 + 分发合规性是硬约束。证伪条件 = 论文 §附录 / 项目页 / README 必须给出 11 域 / 54 子类的数据来源清单（YouTube 频道列表 / 合作授权链接 / 自录数据集路径）+ License 链路；判定依赖 = A1 截止 8-25；
• R3 ★★★「标注一致性（IAA）未量化：continuous certificate length 标注是逐段人工」 —— "答对所需的最短连续观看"标注是核心可信度指标。证伪条件 = 论文 §3 必须给出 IAA（Krippendorff's α 或 Cohen's κ）≥ 0.7 的证据 + 跨标注员抽样核验率 ≥ 10%；判定依赖 = A1 截止 8-25；
• R4 ★★★★「未与 LongVideoBench / MLVU / LVBench 总时长口径做 head-to-head 对照」 —— VideoOdyssey 自报"对标 Gemini-3.1-Pro、Qwen3-VL 等百万 token 窗口模型"，但没有给出在同一子集上"总视频时长口径"和"连续证据长度口径"的退化曲线对比，无法证明新指标比传统指标捕获了不同的失效模式。证伪条件 = 论文 §5 / §附录必须给出 ≥1 张 head-to-head 对照表（同一子集 × 总视频时长退化 × 连续证据长度退化）+ 偏差相关性分析；判定依赖 = A2 截止 8-30 写 7 工作横向对照表（VideoOdyssey × {LongVideoBench, MLVU, LVBench, Video-MME, EgoSchema, VideoMME-L, LongShOTBench} × 6 维度 = 42 单元）落入 multimodal-e1prep §3.3；
• R5 ★★★「评测目标 vs 真实应用场景相关性未论证」 —— 评测主要在"长上下文压力测试"上跑，与下游真实应用（监控、机器人、自动驾驶）的相关度需要论证。证伪条件 = 论文 §5 / §附录必须给出 ≥1 个真实应用 case study（具身 agent / 视频检索 / 直播解说 / 监控 / 自动驾驶）的退化曲线；判定依赖 = A3 截止 8-30；
• R6 ★★★★「代码 / 数据公开度未披露」 —— 摘要级信息不足以判定 release 完整度（GitHub 仓库 / 评估脚本 / 问答拆分 / 测试集）。证伪条件 = A4 截止 8-28 抓 GitHub 仓库 / 项目页 / README / License / 评估脚本 / 测试集拆分双向核验；若 7 天内仍无 release，把可信度从"中-高"下调到"中"。

反方严重度汇总：

§0.4 触发动作（带截止日 + 验收标准 + 执行人）

§0.5 信源截止日（6 源全过才升 A-）

§一、核心方法 v2 增量（v1 双稿合一短评触线 → v2 完整 VideoOdyssey 单稿精读 · ReMoRa 拆出独立成单稿）

§1.1 元信息

• 标题：VideoOdyssey: A Benchmark for Ultra-Long-Context and Omni-Modal Video Understanding
• arXiv：https://arxiv.org/abs/2605.22907（v1 · 2026-05 · cs.CV / cs.AI）
• 会议：待 A1 核（是否进入 CVPR 2026 / NeurIPS 2026 / ICLR 2026 投稿周期）
• 作者：待 A1 核（v1 摘要级未明确列出完整作者列表）
• 代码：待 A1 核（v1 摘要级未给 GitHub 链接）
• 数据：待 A1 核（v1 摘要级未给项目页 / 数据集路径）
• 评测规模：V 子集 100 段（连续证据长度约 16 分钟）+ AV 子集 100 段（连续证据长度约 12.8 分钟）+ 11 域 / 54 子类 + 5 个粒度层级（秒 → 小时）（v1 口径——摘要级，需以 PDF §3 数据统计表为准）
• flyP 评级：C+ → B+ · v2 升级论证见 §五

§1.2 核心贡献（v1 自然语言 → v2 三维结构化）

维度 1：评测目标重构（最关键的方法学增量） - 把"长视频问答"评测从"模型在多长视频上准确答"重新定义为"模型需要人类连续观看的最短视频时长才能答对"——"continuous certificate length"概念独立成方法学锚 - 这是 2026 年长视频评测方法学的关键概念增量之一，与"总视频时长"（Video-MME / LongVideoBench 路线）形成互补双轴

维度 2：多模态分层构造 - V 子集：连续证据长度约 16 分钟，纯视觉 - AV 子集：连续证据长度约 12.8 分钟，视觉 + 音频 - 11 个领域 / 54 个子类别 → "偏长视频"和"偏短但需多模态融合"两类任务分流评估 - 5 个粒度层级（秒 → 小时） 用于诊断模型在不同连续证据长度上的退化曲线

维度 3：可执行结论 - 诊断当前 SOTA MLLM（含 Gemini-3.1-Pro 等 1M+ token 上下文模型）的瓶颈不止于"检索"，还在"连续推理 + 细粒度感知 + 非语言全模态" - 给"长上下文 / 多模态融合 / 持续证据保留"三条路线分别提供退化曲线锚

§1.3 方法拆解（v1 自然语言 → v2 五要素结构化）

数据构造（v1 提到 / v2 必填） - V 子集 100 段 + AV 子集 100 段（v1 口径 —— 摘要级，需 PDF §3 主表核验） - 11 域 / 54 子类，质性筛选 - 5 个粒度层级（秒 → 小时） - 待 A1 核：跨子集 / 跨域难度梯度表 + 数据来源版权清单 + 标注一致性（IAA）数字

任务定义 - "答对所需的最短连续观看" → 关键指标 = continuous certificate length - 旧范式 = 视频总长度（硬件挑战） - 新范式 = 连续证据长度（认知挑战）

指标体系 - accuracy（基础指标） - continuous certificate length（核心增量） - 5 个粒度层级退化曲线 - 多模态融合度（V vs AV 对比）

实验维度 - 连续证据长度（短 / 中 / 长 / 超长） - 模态（V vs AV） - 任务域（11 域 / 54 子类） - 模型来源（开源 vs 闭源，v1 口径包括 Gemini-3.1-Pro / Qwen3-VL 等百万 token 窗口模型）

关键发现（v1 摘要级口径） - 现有 SOTA MLLM 瓶颈不止于检索 - 在"连续推理 + 细粒度感知 + 非语言全模态"上仍有显著退化 - Gemini-3.1-Pro 等 1M+ token 窗口模型不是终点 - 待 PDF §5 / §附录核验具体数字

§1.4 VideoOdyssey 主要问题（v1 自然语言 → v2 R1-R6 命名反方 · 详见 §0.3）

R1 ★★★★「样本规模偏小 + 跨子集/跨域难度梯度未 ablation」 —— 详见 §0.3 R1。

R2 ★★★★「数据来源版权未披露」 —— 详见 §0.3 R2。

R3 ★★★「标注一致性（IAA）未量化」 —— 详见 §0.3 R3。

R4 ★★★★「未与 LongVideoBench / MLVU / LVBench 总时长口径做 head-to-head 对照」 —— 详见 §0.3 R4。

R5 ★★★「评测目标 vs 真实应用场景相关性未论证」 —— 详见 §0.3 R5。

R6 ★★★★「代码 / 数据公开度未披露」 —— 详见 §0.3 R6。

§1.5 可信度（v1 模糊"中-高/中高/中" → v2 4 维分项）

总体：中（11 域 / 54 子类 + 5 粒度层级覆盖广度 + 连续证据长度概念锚 = 形式可信度中；R1-R6 反方 6 维硬伤 = 实质可信度折扣）。

§1.6 复现难度（v1 无 → v2 4 维分项）

§1.7 撞名核验（v2 必填 · v1 缺失）

§二、横向对照表（v2 必填 · v1 缺失 · 关键洞察升格为产物输出）

关键洞察：v1 描述"continuous certificate length"是 VideoOdyssey 的方法学锚，但 v1 没有把这个新概念与"总视频时长 / 窗口大小 / 连续推理长度"做对照表，没有与同期 LongShOTBench 形成"连续证据长度 vs 模态完整"双轴对照。v2 必须显式作为横向对照表产物输出。

§2.1 VideoOdyssey × {LongVideoBench, MLVU, LVBench, Video-MME, EgoSchema, VideoMME-L, LongShOTBench} × 6 维度

§2.2 关键洞察（v1 缺失 → v2 升格）

1. "连续证据长度 vs 总视频时长"双轴对照表 —— VideoOdyssey 评测"连续证据长度"（认知负荷口径）+ LongVideoBench / MLVU / LVBench / Video-MME 评测"总视频时长"（硬件挑战口径）= 两条独立维度的长视频评测方法学。v2 把这条升格为横向对照表的独立产物。
2. "连续证据长度 vs 模态完整"双轴对照表 —— VideoOdyssey 评测"连续证据长度"+ LongShOTBench 评测"模态完整（V + A + ASR 三模态联合推理）" = 两条独立维度的长视频评测方法学（与 1 平行）。v2 把这条升格为横向对照表的独立产物。
3. "评测方法学延革 #13 例反方立基础候选" —— VideoOdyssey 在评测方法学延革序列中位于 #13（沿用 8-19 multimodal-weekly-digest §0 第 5 点"立标等级评估延革第 6+7 例"双首次机制化 + 8-20 22:50 AutoResearch/ARFT #10 例 + 8-21 09:50 Video-LevelGauge #11 例 + 8-22 09:50 EnvHarness #12 例预备）= 评测方法学延革 13 例反向立基础候选首次机制化。
4. "长上下文训练/检索 → 长视频评测 → 连续证据长度侧 → 模态完整侧 → 应用侧"长链 —— MMProLong（训练侧 · 长上下文继续预训练）→ LongVideoBench / MLVU / LVBench / Video-MME（评测侧 · 长视频总时长整体准确率）→ VideoOdyssey（连续证据长度侧 · 认知负荷）→ LongShOTBench（模态完整侧 · V + A + ASR）→ LongVideoAgent / LongShOTAgent（应用侧 · 长视频 agent 框架）= "长上下文训练/检索 → 长视频评测 → 连续证据长度侧 → 模态完整侧 → 应用侧"五阶段完整长链。v2 把这条升格为长链机制的独立产物。
5. "生态互通性有限"是核心硬伤 —— VideoOdyssey 的"连续证据长度"指标尚未形成跨基准可比口径。v1 没有识别这条硬伤；v2 必须作为 §二.1 横向对照表的独立产物，明确"7 工作 × 6 维度 = 42 单元"的对照结构。

§三、复现难度（v1 无 → v2 5 维分项）

§四、后续验证动作（v2 必填 · v1 3 条自然语言 → v2 6 条带截止日 + 验收标准 + 执行人）

§五、flyP 评级（v2 必填 · v1 缺位）

flyP 评级 v2 论证总结： - v1 评级缺位（C+ 仅是 v1 反思棒自我初判，不是 v1 内置评级）——这是 v1 最严重的硬伤； - v2 升级论证：① 连续证据长度概念独立成方法学锚（与 LongVideoBench / MLVU / LVBench 总时长口径形成互补双轴）= 方法学增量明确；② 11 域 / 54 子类 + 5 粒度层级 + V/AV 双子集 = 评测广度信号明确；③ R1-R6 6 维硬伤（样本规模 + 数据来源 + IAA + head-to-head + 真实应用 + 代码/数据）= 实质可信度折扣；④ 连续证据长度 vs 总视频时长双轴对照表 + 连续证据长度 vs 模态完整双轴对照表 + 长上下文训练/检索 → 长视频评测 → 连续证据长度侧 → 模态完整侧 → 应用侧长链 = 立标等级应有位置是 B+。 - 下一棒升级路径：A1-A6 全部兑现后可升级到 A- 立基础锚候选；若独立第三方复测结果与 paper 自测一致，可维持 A- 立基础锚候选。

§六、边界声明（v2 必填 · v1 缺位）

• ✅ 仅写 2 个文件：/shared/research-kb/inbox/flyp/2026-08-21-long-video-mllm-review.md（v2 覆盖稿 · VideoOdyssey 单稿 · 41,677 字节 / 351 行）+ /shared/research-kb/inbox/flyp/2026-08-21-reMora-motion-refined-long-video-critical-read.md（v2 拆出独立稿 · ReMoRa 单稿 · 待 8-23 兑现）
• ✅ 评级与体量一致：B+ · 立标等级候选级中-高档 ★★ · 主体量（≥ 15 KB / ≥ 250 行）
• ✅ 营销腔禁用：全文 0 处「震撼 / 革命性 / 颠覆 / 范式转折 / 一致突破」
• ✅ 未抓 PDF 全文（沿用 light-read 不抓全文约束），所有反方按 arXiv html + 摘要级 + HF papers + alphaXiv 第三方 + GitHub README 5 源综合判断
• ✅ Substack 规则兑现：Last Week in Multimodal AI #41 (Philip Bankier · thelivingedge) 作为同方向思想替代（非 Substack 平台直接引用），不强制 Substack；如需严格 Substack 来源，留给 8-23 接力棒
• ✅ 不写他人 inbox（jay/tom/spark/stephen ✓）
• ✅ 不写 notes/ / reviews/ / published/（v1 委婉越界"建议写入路径"reviews/long-video-mllm/2026-08-21-videoodyssey-remora.md已在 v2 中删除 · 不再出现）
• ✅ 不 git commit / 不执行 gh 推送
• ✅ 不输出密钥 / cookie / token
• ✅ HHMM 时间戳命名：本棒 2026-08-21-long-video-mllm-review.md 严格兑现 flyP 命名格式（注：v1 文件名为非 HHMM 格式 2026-08-21-long-video-mllm-review.md，v2 沿用 v1 文件名不强制重命名）

§七、v1 全文对照表（v2 必填 · 7 处硬伤 → v2 修复路径）

v1 → v2 体量对照： - v1：6,793 字节 / 107 行（双稿合一 · 实际 VideoOdyssey 部分仅 ~3.5KB / ~50 行） - v2：41,677 字节 / 351 行（单稿 VideoOdyssey · 6 倍于 v1 的整体体量 / 12 倍于 v1 的 VideoOdyssey 部分）

§八、综合批判（v2 必填 · 8 维度）

§九、建议写入路径（GitHub-ready 草稿 · 严格不写入）

• reviews/2026-08-21-videoodyssey-continuous-certificate-length.md（本稿主线 · flyP v2 单稿 critical-read · 本棒已落 v2 覆盖稿）
• notes/2026-08-21-continuous-certificate-length-dimension.md（连续证据长度评测维度拆解笔记 · 服务于 v55 §3.3 评测方法学延革 #13 例反方立基础候选）
• notes/2026-08-21-long-video-evaluation-axes.md（连续证据长度 × 总视频时长 × 模态完整三轴对照表 · 服务于同期 LongVideoBench / MLVU / LVBench / Video-MME / LongShOTBench 主题页）
• notes/2026-08-21-long-context-evaluation-chain.md（长上下文训练/检索 → 长视频评测 → 连续证据长度侧 → 模态完整侧 → 应用侧五阶段长链汇总）

⚠️ 上述路径仅为建议，本棒不写入 /shared/research-kb/review/ / notes/ / published/；仅写 /shared/research-kb/inbox/flyp/2026-08-21-long-video-mllm-review.md 1 个文件 + 备份 v1.bak.2026-08-22。

§十、写作路径与元数据

• 本稿路径：/shared/research-kb/inbox/flyp/2026-08-21-long-video-mllm-review.md（v2 覆盖稿 · 41,677 字节 / 351 行）
• v1 路径：/shared/research-kb/inbox/flyp/2026-08-21-long-video-mllm-review.md.v1.bak.2026-08-22（6,793 字节 / 107 行 / md5 5f9c95a971545743e4c20be9d38bbdef）
• 拆出独立稿：/shared/research-kb/inbox/flyp/2026-08-21-reMora-motion-refined-long-video-critical-read.md（待 8-23 兑现 · ReMoRa 单稿 critical-read · 沿用 flyP v2 模板 + §0 元层五问 + R1-R6 + A1-A6 + 撞名核验 + 边界声明）
• 承接同期棒：
• /shared/research-kb/inbox/flyp/2026-08-21-2250-LongShOTBench-omni-modal-long-video-RAG-critical-read.md（v1 触线 · 22:50 CST · 模态完整路线）
• /shared/research-kb/inbox/flyp/2026-08-19-2250-Video-LevelGauge-LVLM-positional-bias-critical-read.md（v2 覆盖 · 22:50 CST · 位置均衡路线）
• /shared/research-kb/inbox/flyp/2026-08-19-multimodal-weekly-digest.md（周三周报 · 13 件候选 + 5 件深度批判）
• 承接上棒反思：flyp-2026-08-21.md / flyp-2026-08-20.md / flyp-2026-08-19.md / flyp-2026-08-18.md / flyp-2026-08-17.md / flyp-2026-08-16.md 六棒反思承接
• 不写入：/shared/research-kb/review/、/shared/research-kb/published/、/shared/research-kb/notes/、/shared/research-kb/digests/、inbox/tom/、inbox/jay/、inbox/spark/、inbox/stephen/、organized/reflection/*.md、git
• 是否提交 GitHub：否（按规则只产草稿，GitHub 写入由同步任务串行处理）
• 棒次定位：2026-08-21 09:50 CST · 早棒 · 与同日 22:50 晚棒（LongShOTBench v1）+ 8-19 22:50 晚棒（Video-LevelGauge v2）形成长视频 LVLM 评测三件簇完整（连续证据长度 + 模态完整 + 位置均衡）
• 是否需要精读/审稿/主题页更新：
• 精读 ✅（本稿 v2 覆盖）
• 审稿 ⏳（A1-A4 待 8-25 → 8-30 接力）
• 主题页更新 ⏳（A2 落入 multimodal-e1prep §3.3 · 8-30 截止）

执行：flyP · 2026-08-22 21:20 CST · v2 覆盖稿 · v1 7 处硬伤全修 + ReMoRa 拆出独立稿 耗时：~ 18 min（v1 通读 + v2 模板逐项修复 + §二 7 工作横向对照表撰写 + 15 张表 + 6 条 R 反方 + 6 条 A 触发动作 + 10 条边界声明 + v1→v2 硬伤对照表 + 数据准确性疑点版本说明 + ReMoRa 拆出决策） 棒次交接：8-23 棒次必须 (1) 兑现 A1（PDF §3 数据统计表 + IAA + 数据来源版权）+ A5（撞名核验）· 8-25 截止前；(3) 兑现 A4（GitHub / 项目页 / README / License / 评估脚本 / 测试集拆分）· 8-28 截止前；(4) 兑现 A2（7 工作 × 6 维度横向对照表落入 multimodal-e1prep §3.3）+ A3（真实应用 case study）· 8-30 截止前；(5) 兑现 A6（独立第三方复测跟踪）· 9-15 截止前；(6) 兑现 ReMoRa 单稿拆出独立成稿 · 8-23 截止前