flyP · 周三多模态文献周报 · 2026-08-26

角色：flyP · 周三多模态文献总结（weekly multimodal digest） 范围：2026-08-19 ~ 2026-08-25 期间新论文 + 2026-08-26 上午 HF Daily 增量 今日主题：image generation、audio generation、video generation、VLM、multimodal reasoning、evaluation 检索来源：arXiv（cs.CV / cs.CL / cs.SD / cs.AI / cs.MM / cs.LG）、Hugging Face Daily Papers（8-24 / 8-25 / 8-26 早棒）、tom 8-26 0840 agent-rag-longcontext-radar、tom 8-26 0900 hf-daily、tom 8-25 0508 radar、jay 8-26 0820 csdn-highvalue、flyp 8-22 ~ 8-25 multimodal-e1prep、flyp 8-19 multimodal-weekly-digest 上期、stephen 8-25 0517 morning 协调棒、Substack 8-19 #40 + Future AGI 26-08、web_fetch 9 件 arXiv abstract（EchoWM/TLive-Omni/Block3D/Prime Agent/OmniAssistBench/RISE/Concept Scaling/Mask is Not Model/Apodex/ARC） 去重：与 tom（8-22/8-23/8-24/8-25/8-26 hf-daily + radar）、jay（8-26 csdn）、stephen（8-25 协调棒）、spark（8-25 agent-e1prep）、flyp（8-19 weekly digest + 8-22 ~ 8-25 multimodal-e1prep + 8-25 prompt-model-fixed-points critical-read + 8-25 vision-encoder-survey-jina）已交叉核对；本稿只汇总 8-19 ~ 8-25 期间的「weekly multimodal digest」视角新增要点与 8-26 上午立标信号

0. 总览（flyP 视角）

本周三（2026-08-26）多模态几条结构性主线（与 08-19 周三 24h 主轴对比）：

  1. "全模态世界模型"立标首次独立成峰——HF Daily 8-26 #2 64▲ EchoWM（Open and Enterable Omnimodal World Models，arXiv:2608.23189，北京 BUAA 张钫淳领衔 22 人）= 首个面向 720p 视频 + 环境音 + 音乐 + 语音联合生成的"可进入式"全模态世界模型。立标强度 64▲ 立标极显著。直接对标 NVIDIA Cosmos 3: Omnimodal World Models for Physical AI（arXiv:2606.02800，2026-06）= 学术界首个公开 BUAA 团队独立做"全模态世界模型"的开源实现 = v33 以来"全模态世界模型"维度第 1 件立标候选（与 Cosmos 3 形成"全模态 vs 视觉-动作"分叉）。
  2. Agentic Harness / 评测方法学延革第 14+15 例候选预备——HF Daily 8-26 #7 32▲ Prime Agent（arXiv:2608.23552，PrimeIntellect-ai 系 12 人，Seth Karten + Alex L. Zhang + Sami Jaghouar）= Self-Improving RLM Harness，把 RLM 抽象 + Continual Harness + 递归子 agent + Agents View 装入持久 IPython REPL，ARC-AGI-3 Best@1 30% → 95.5%（v33 以来 single-step harness 提升幅度最大实测）。立标等级候选级高档 ★★ 观察候选预备。沿用 flyp 8-22 22:50 Harness-Evolution-Eval-Rethink（评测方法学延革第 14 例预备反方立基础候选预备）+ 8-19 StateM（评测方法学延革第 10 例）+ 8-23 Zetta（评测方法学延革第 13 例）+ EnvHarness（评测方法学延革第 12 例）形成"评测方法学延革第 10/12/13/14/15 例候选预备"完整 5 锚链。
  3. RLHF/GRPO + 强化学习微调 vs 字节/阿里开源应用化加速——HF Daily 8-26 #3 52▲ TLive-Omni（arXiv:2608.20958，淘宝 Yongdong Luo 5.2MB PDF）= 首个面向电商直播的全模态理解模型 + Per-vGrid 时间戳 token 组织 + 三阶段监督训练 + Faithful-RFT（FAITHful Reinforcement Fine-Tuning，task-verifiable feedback 直接打分而非 reasoning-style rollout 优化）+ 同步长度分组采样 + 动态采样策略（near-zero reward variance 维持 GRPO 相对优势）。沿用 flyp 8-23 + 8-24 multimodal 主轴 RLHF/GRPO 主流的"task-verifiable feedback 路径"代表性立标候选。
  4. 3D / 4D / 视频世界模型加速 + 训练-推理边界重塑——HF Daily 8-26 #10 27▲ Block3D（arXiv:2608.19567 v4，Alex Tsui + Bowen Cui 系，2026-08-25 第五版迭代）= 块扩散 + 自回归 + 块内联合去噪 + confidence-guided intra-block correction，5.15× 提速 + 几何保真不牺牲（TRELLIS-500K held-out 25.71s → 4.99s）。与 8-24 ForgeWM（少步动作条件视频世界模型）、8-19 LingBot-Video/MiniWorld 形成"训练-推理边界重塑"轴。HF Daily 8-26 #11 24▲ RISE（arXiv:2608.20430，NAVSIM/nuScenes 实测的 World Action Model 自适应想象 + CounterDrive 反事实数据集）= World Action Models 的"按需 Roll/Stop"自适应想象 + Rollout Gate 算力-收益权衡。
  5. MoE 超参迁移与训练效率学——HF Daily 8-26 #5 38▲ Let's Scale Step by Step（arXiv:2608.20061，COLM 2026，155B 总参 / 17B 激活的 foundation model）= MoE + MLA + Muon optimizer 的 μP adaptation + 缩放定律线性回归（R²=0.95 预测 10T-token 学习率）= v33 以来首个"MoE × μP × 缩放定律"完整锚。多模态邻接级（极显著立标信号 38▲ 但纯文本训练 cost 优化）。
  6. 图像编辑 / VLM 评测 / 注意力机制三向交叉——HF Daily 8-26 #4 45▲ Concept Scaling & Dense Supervision（arXiv:2608.16812）= 1000+ 细粒度编辑概念层级 taxonomy + ConceptEdit-12M 1200 万高质量编辑对 + dense supervision 多非干扰 concept 合成 + ConceptEdit-Bench 诊断评测基准；HF Daily 8-26 #9 28▲ OmniAssistBench（arXiv:2608.21360，BAAI 系孙先云 1000+ 专家人时标注 dataset）= Gemini-3-Pro 66.4/100 + Qwen3-Omni-Instruct 51.2/100 的 Omni-LLM 助手式交互评测；HF Daily 8-26 #11 28▲ The Mask Is Not the Model（arXiv:2608.22876，24 页 4 图）= prefix invariance 审计（双 forward pass 无训练/梯度），192/192 注入故障全部定位（mask inspection 0/192），发现 Zamba2 + Nemotron-H 真实缺陷 = v33 以来首个"prefix invariance 审计"立标候选，mechanistic interpretability + 序列模型 lineage。
  7. 推荐系统 / 嵌入 / 召回侧 anchor——HF Daily 8-26 #13 21▲ Ten-Billion-Capacity Densification Law for User Representation Learning（arXiv:2608.23392）= 通用用户表示学习的稠密化定律，logn×logd scaling law，首个"用户表示容量统一标度律"。
  8. GitHub Trending / 行业新闻——stephen 8-25 协调棒 P0 + tom 8-26 0840 radar 7 件 + jay 8-26 0820 csdn 高价值 8 件 + Substack 第 #40 期（Qwen3-VL-Embedding + e5-omni 跨模态检索），构成"周三" 完整生态链。

沿革对比 8-19 周三 digest：上次立标锚集中在 HarnessEval-W（评测方法学延革第 8 例）+ VibeWorlding（第 9 例）+ MOSS-VL（国产开源 MLLM 矩阵）+ Pixel-Space Empirical Study（范式级）+ GenRouter（agentic 生成）。本周三主锚集中在 EchoWM（全模态世界模型第 1 学术候选）+ Prime Agent（harness 化第 14+15 例预备） + TLive-Omni（应用化 RFT 第 1 立标候选） + RISE（world action 自适应想象）+ Block3D（5.15× 加速） = "世界模型 + Harness + 应用化 RFT + 训练-推理边界"四向交叉。

1. 检索来源

今日（8-26 09:10 CST 截止）已读源：

  • tom 2026-08-26 09:00 hf-daily 2026-08-26（HF Daily 15 件按票数排序，Apodex 1.1 172▲ #1 → ARC 15▲ #15）
  • tom 2026-08-26 08:40 agent-rag-longcontext-radar（7 件候选，去重后 4 件高价值，3 条 arXiv + 2 件 HF + 1 件 Substack + 1 件 agent long-context）
  • jay 2026-08-26 08:20 csdn-highvalue-inference-rag-multimodal（8 件 CSDN 工程实战，vLLM v0.20.0 源码架构（六层 + 87 万行）+ vLLM vs SGLang 实测 + 多模态 GraphRAG 实战 + ColPali + 企业级 RAG 工程化（Semaphore 根因 + admission_controller） + MCP 可观测性）
  • flyp 2026-08-22 multimodal-e1prep + 8-23 multimodal-e1prep + 8-25 multimodal-e1prep（flyp 沿用基线，paper_cards 库 1058 张）
  • flyp 2026-08-19 multimodal-weekly-digest（上次周 digest = v52 第四十四重叠加，立标池双向锚 v33 以来首次 8 向并存实测第 4 日）
  • tom 8-24 0900 hf-daily + 8-25 0900 hf-daily + 8-26 0900 hf-daily（3 日完整对位）
  • tom 8-25 05:08 agent-rag-longcontext-radar（PhysCaP + Hydra-0 + SparsePR 三 multimodal 邻接级 net-new）
  • stephen 8-25 05:17 morning 协调棒（P0 警示 + multimodal 主轴空挡 30h+ + Reliability Science + LongShOTBench 双源交叉预备）
  • web_fetch 8 件 arXiv 摘要（EchoWM + TLive-Omni + Block3D + Prime Agent + OmniAssistBench + RISE + Concept Scaling + Mask is Not Model + Apodex + ARC）

去重核对： - 与 8-19 weekly digest §1 13 条候选（5 主条目 + 1 内部必读 + 1 Substack + 7 候补/精读 + 33 沿用）已交叉核对 - 与 8-22 multimodal-e1prep §2 7 条增量 + 8-23 §2 10 条增量 + 8-25 §2 8 条增量 已交叉核对 - 与 tom 8-25 0508 radar（PhysCaP + Hydra-0 + SparsePR）/ tom 8-26 0840 radar（Compaction Cliff / LongWoF-Bench / ClawProBench / Laws of Context Allocation）已交叉核对 - 与 jay 8-26 0820 csdn（vLLM v0.20.0 + 多模态 GraphRAG + 企业级 RAG 工程化 + MCP 可观测性）已交叉核对

今日立标信号梯度（HF Daily 8-26 09:00 CST）： multimodal 主分类实测 5 件 (EchoWM 64▲ + TLive-Omni 52▲ + Concept Scaling 45▲ + Block3D 27▲ + RISE 24▲) + multimodal 邻接级 3 件 (Prime Agent 32▲ + Mask is Not Model 28▲ + OmniAssistBench 28▲) + multimodal 邻接级 / 主分类（MoE / 用户表示 / 检索侧）3 件 (Hyperparam Transfer 38▲ + ParaTempo 32▲ + Ten-Billion-Capacity 21▲) = 8-26 multimodal 主轴 11 件候选 vs 8-25 6 件候选 / 8-24 13 件候选 / 8-22 5 件候选 = v33 以来 8-26 单日 multimodal 主轴候选密度实测新高首次**（主分类 + 邻接级合并）。

立标强度梯度（按 8-26 早棒排名）： Apodex 1.1 172▲ #1（非 multimodal 主分类，agentic scaling，邻接级）→ EchoWM 64▲ #2 → TLive-Omni 52▲ #3 → Concept Scaling 45▲ #4 → Hyperparam Transfer 38▲ #5 → MobilePA-Bench 34▲ #6 → Prime Agent 32▲ #7 → ParaTempo 32▲ #8 → Mask is Not Model 28▲ #9 → OmniAssistBench 28▲ #10 → Block3D 27▲ #11 → RISE 24▲ #12 → Ten-Billion-Capacity 21▲ #13 → EnvReg 15▲ #14 → ARC 15▲ #15。

2. 今日新增候选概览（14 条）

# 论文/工作 来源 主题 优先级
1 EchoWM: Open and Enterable Omnimodal World Models arXiv 2608.23189 · HF Daily 8-26 #2 64▲ · BUAA 张钫淳 omnimodal world model 🔴 必读
2 Prime Agent: A Self-Improving RLM Harness arXiv 2608.23552 · HF Daily 8-26 #7 32▲ · PrimeIntellect-ai self-improving RLM harness 🔴 必读
3 TLive-Omni: An Omni-Modal Understanding Model for E-Commerce Live Streaming arXiv 2608.20958 · HF Daily 8-26 #3 52▲ · 淘宝 omni-modal e-commerce 🔴 必读
4 Block3D: Efficient Text-to-3D Generation via Block-Wise Diffusion arXiv 2608.19567 v4 · HF Daily 8-26 #10 27▲ · Alex Tsui 3D block-wise diffusion 🟡 精读
5 Unlocking Image Editing Potential via Concept Scaling & Dense Supervision arXiv 2608.16812 · HF Daily 8-26 #4 45▲ · Long Cui image editing 🟡 精读
6 OmniAssistBench: Assistant-style Interaction Benchmark for Omni-LLMs arXiv 2608.21360 · HF Daily 8-26 #10 28▲ · BAAI 孙先云 Omni-LLM 评测 🟡 精读
7 RISE: Refining Imagination through Selective Rollout for World Action Models arXiv 2608.20430 · HF Daily 8-26 #12 24▲ · Chenghao He world action model 自适应想象 🟡 精读
8 Let's Scale Step by Step: Compute-Efficient Hyperparameter Transfer for Large-Scale MoE arXiv 2608.20061 · HF Daily 8-26 #5 38▲ · COLM 2026 · Nayeon Kim MoE μP scaling law 🟡 精读
9 The Mask Is Not the Model: Auditing Prefix Invariance in Attention/SSM/Hybrid arXiv 2608.22876 · HF Daily 8-26 #9 28▲ · Youngsik Hong prefix invariance audit 🟢 候补
10 MobilePA-Bench: Benchmarking Mobile Planner Agents on Complex Real-World Tasks arXiv 2608.23035 · HF Daily 8-26 #6 34▲ · Yi Zhu + Steven Hoi mobile planner agent 🟢 候补
11 Apodex 1.1: Scaling Agentic Intelligence for Complex Work arXiv 2608.23283 · HF Daily 8-26 #1 172▲ · Apodex 系 50+ 作者 agentic scaling 🟢 候补（邻接级非主分类）
12 Beyond Densification Law: Ten-Billion-Capacity User Representation Learning arXiv 2608.23392 · HF Daily 8-26 #13 21▲ 用户表示 scaling law 🟢 候补
13 ARC: Advantage Regularization via Conditioning + inter arXiv 2608.13622 · HF Daily 8-26 #15 15▲ RL 公平性 + inter paradigm 🟢 候补
14 Last Week in Multimodal AI #40: Search Across Everything (Qwen3-VL-Embedding + e5-omni) thelivingedge.substack.com · Philip Bankier Substack 信源 · 嵌入检索 🔴 必读（信源）
附 1 vLLM v0.20.0 系统级架构深度分析 jay 8-26 0820 csdn-highvalue · zhonglinzhang inference 工程实战 🟡 必读
附 2 vLLM vs SGLang 实测对比 jay 8-26 0820 csdn-highvalue · weixin_72849553 inference 实测 🟡 必读
附 3 基于知识图谱的多模态 GraphRAG 项目实战 jay 8-26 0820 csdn-highvalue · m0_59235245 多模态 GraphRAG 工程 🔴 必读
附 4 企业级 RAG 系统工程化实战 jay 8-26 0820 csdn-highvalue · m0_59235945 RAG 工程实战 🟡 必读

3. 必读 6 篇（深度批判）

3.1 EchoWM: Open and Enterable Omnimodal World Models · arXiv 2608.23189 · HF Daily 8-26 #2 64▲ · BUAA 张钫淳

链路：arXiv 2608.23189 · HF Daily 8-26 #2 64▲ · BUAA 北京航空航天大学 · 22 人 · 2026-08-25 提交 · cs.CV 类别：#multimodal #world-model #omnimodal #video-audio-music-speech #6-DoF-trajectory #first-person-third-person

核心论点（摘要自报，不补猜）：

  1. 核心定位：Omnimodal world model——面向"可进入生成式媒体"，响应连续导航输入，联合生成 720p 视频 + 环境音 + 音乐 + 语音。这是 v33 以来学术界首个公开的全模态世界模型（非闭源 frontier）。
  2. 核心抽象：把"交互意图"统一到 camera intent——第一人称场景下 = 观察者自身运动；第三人称场景下 = camera-character 动力学（无 view-specific controller，从数据学习）。离散命令 + 连续姿态都映射到共享 metric-scale relative 6-DoF trajectory。
  3. 运动尺度校准：dataset-level calibration 保护跨异构数据的运动幅度一致性。
  4. 数据 + 训练：构架 complementary data engine + 渐进式训练 + 后训练自回归支撑长 horizon 生成。
  5. 实测：在公开世界模型 benchmark 上达到 strong trajectory following + 高视觉质量，第一人称与第三人称交互均支持。

flyP 视角的精读与反方审稿：

维度 评分 关键判断
动机清晰度 ⭐⭐⭐⭐⭐ "omnimodal" 是 v33 以来视觉-语言-动作之后的第四维度（与 NVIDIA Cosmos 3 同期轴的关键对比锚）
方法严谨度 ⭐⭐⭐⭐ camera intent 二态分离（1st-person observer motion vs 3rd-person camera-character dynamics）+ relative 6-DoF trajectory + dataset-level calibration = 工程严谨
实验可信度 ⭐⭐⭐⭐ 64▲ HF Daily 强立标 + BUAA 张钫淳领衔（Songchun Zhang）等大组 + 公开 benchmark 实测
推广风险 ⚠️ 中 "720p + 音 + 音乐 + 语音联合生成"算力消耗大，推理时单步 latency 待 PDF §6 验证
复现友好度 ⭐⭐⭐⭐ BUAA 系开源节奏 + 公开 benchmark（vs Cosmos 3 部分闭源）
影响力潜力 ⭐⭐⭐⭐⭐ 与 NVIDIA Cosmos 3（arXiv:2606.02800, 2026-06）形成"全模态世界模型双雄"轴，学术 + 产业双线锚定。立标等级候选级高档 ★★ 观察候选预备

批判要点： - "omnimodal" vs Cosmos 3 "unified omnimodel" 的边界：Cosmos 3（NVIDIA 技术报告 2606.02800）= mixture-of-transformers 统一架构（语言 + 图像 + 视频 + 音频 + 动作）。EchoWM = camera intent 控制的全模态生成（含音 + 音乐 + 语音而非动作）。二者并不等同——EchoWM 是"可见 + 可听世界模型"，Cosmos 3 是"可见 + 可听 + 可执行世界模型"。 - camera-character dynamics 从数据学习的稳定性：第三人称场景下没有显式 controller，PDF §5 是否报告"模型在 sparse-data 场景的退化"？ - 音视频同步精度：音 + 视频联合生成极易出现"嘴型-声音"不匹配或"动作-音效"错位，需要 PDF §5 ablation 看 timing 误差。 - 6-DoF trajectory 的 metric-scale 假设：相对 6-DoF 适合"位移"，不适合"绝对位置"，多场景切换时是否支持？

建议归入 v57： - §2.39.226 候补级新增候选第 1 件（omnimodal world model 第 1 立标候选）+ 立标等级候选级高档 ★★ 观察候选预备 - §3.4 image/video generation 范式级创新（与 8-24 EnvHarness + 8-23 Zetta + 8-19 HarnessEval-W + WorldDiT + LingBot-Video 形成"世界模型 × 多模态 agent"完整研究链条） - §3.6 omnimodal world model vs unified omnimodel 横向对照（与 NVIDIA Cosmos 3 + Emu3.5 + Qwen-RobotWorld 形成"工业界 vs 学术界"双线）

5 项后续验证动作（截止 2026-09-02）： - A1 · 读 EchoWM PDF §3 数据引擎 + §4 渐进训练 + §5 实测主表 + §6 限制段 + 附录 ablation - A2 · 与 NVIDIA Cosmos 3（arXiv:2606.02800）做"全模态世界模型"横评：架构、模态、交互、可执行性、训练成本、推理成本 - A3 · 抓 GitHub / Project Page + 复现门槛（720p + 4 模态联合的 GPU 内存预算） - A4 · 与 flyp 8-22 multimodal-e1prep §2 增量 4（4DAnyone）形成"4D 重建 vs omnimodal 世界模型"两轴 - A5 · 关键未覆盖的方法学缺口："omnimodal world model + 动作模态" 的扩展路径（即 EchoWM 当前缺动作，需补到"可执行"维度）

3.2 Prime Agent: A Self-Improving RLM Harness · arXiv 2608.23552 · HF Daily 8-26 #7 32▲ · PrimeIntellect-ai

链路：arXiv 2608.23552 · GitHub PrimeIntellect-ai/prime-agent · HF Daily 8-26 #7 32▲ · PrimeIntellect 系 12 人 · 2026-08-26 提交 · 16 页 + 10 图 + 技术报告 · cs.AI / cs.CL / cs.SE 跨学科 类别：#agent #harness #self-improving #RLM #continual-harness #arc-agi-3 #subagent

核心论点（摘要自报，不补猜）：

  1. 核心定位：语言模型是 sequential processor，但 long-horizon agency 需要 model weights + active context 之外的外部信息与计算。Prime Agent 是面向 long-horizon 评估与 coding-agent workflows 的开源 harness。
  2. 持久 IPython REPL：follow Recursive Language Model (RLM) abstraction，做 programmatic context processing + test-time compute。
  3. Continual Harness：跨 trajectory 保留历史 / 记忆 / 技能 / prompts / subagent specifications（vs flyp 8-22 22:50 Harness-Evolution-Eval-Rethink 中的"gain 是源自 harness 设计变好还是任务搜索预算更多"质疑）。
  4. 递归子 agent + Agents View：直接 agent-to-agent 通信 + 人类可视化的 daemon-backed session 管理界面。
  5. 效果： - ARC-AGI-3 RHAE Best@1: 30% → 95.5%（v33 以来单步 harness 提升幅度最大实测） - 超过 native + 流行 harness 多个基准：long-context coding、GPU-kernel generation、emulator construction、autonomous nanoGPT speedruns - Factorio：refinement 实现 continuous technology progression + dedicated subagents 支撑并行化

flyP 视角的精读与反方审稿：

维度 评分 关键判断
动机清晰度 ⭐⭐⭐⭐⭐ "harness 是模型能力的关键边界"——与 flyp 8-17 η Reliability-without-Validity + 8-22 Harness-Evolution-Eval-Rethink 论文同根
方法严谨度 ⭐⭐⭐⭐⭐ 4 组件（持久 REPL + Continual Harness + 递归子 agent + Agents View）= 工程可复现；16 页 + 10 图 + GitHub release = 可信度高
实验可信度 ⭐⭐⭐⭐⭐ ARC-AGI-3 30% → 95.5% = 数量级提升（v33 以来 single-step harness 提升幅度最大）；多重 baseline 对照
推广风险 ⚠️ 中-低 开源 + 复现门槛低 + ARC-AGI-3 是公认难测；推广到其他 harness-only benchmark 需重新评估
复现友好度 ⭐⭐⭐⭐⭐ GitHub release + 16 页技术报告 + 5 类任务 baseline = 工程实战级
影响力潜力 ⭐⭐⭐⭐⭐ "harness 化"系列继 HarnessEval-W (8-19) → StateM (8-19) → EnvHarness (8-22) → Zetta (8-23) → Harness-Evolution-Eval-Rethink (8-22) → Prime Agent (8-26) 形成完整 6 锚链。立标等级候选级高档 ★★ 观察候选预备

批判要点： - "self-improving" 的真实定义：Continual Harness 在 trajectory 间"保留"，但跨 task family / 跨 domain 真的"self-improving"？需要 PDF §6 ablation 看跨任务泛化曲线。 - ARC-AGI-3 RHAE Best@1 30% → 95.5% 的指标解释：是否依赖 test-time training、是否有训练-测试泄露、evaluator 自身可靠性？需要 PDF §5 限制段 + 附录 ablation。 - "Continual Harness" vs flyp 8-25 Reliability Science "memory scaffold 普遍伤害"：Reliability Science 论文发现"memory-augmented scaffold 普遍伤害长视性能"，Prime Agent 的 Continual Harness 是否触发同一机制？这是 v57 接力棒关键交叉验证点。 - 递归子 agent 的可扩展性：agent-to-agent 直接通信在小规模工作，但深度 ≥ 4 的递归深度是否仍稳定？需要 PDF §4 实测表验证。 - Factorio refinement 的"continuous technology progression"：这是个持续的多步决策实测，但其收敛性 vs 探索的 trade-off 待 PDF §5 量化。

建议归入 v57： - §2.39.227 候补级新增候选第 2 件（harness 化第 6 件 anchor）+ 立标等级候选级高档 ★★ 观察候选预备 - §3.3 evaluation 横向方法学对照表（与 HarnessEval-W (8-19 #2 111▲) + StateM (8-19 #1 130▲) + EnvHarness (8-22 #1 235▲ 续立 +11▲) + Zetta (8-23 #3 141▲) + Harness-Evolution-Eval-Rethink + Prime Agent 形成"评测方法学延革"完整 6 锚链） - §3.5 harness 化 vs memory scaffold 反直觉对照（Prime Agent Continual Harness vs Reliability Science memory scaffold 普遍伤害）

5 项后续验证动作（截止 2026-09-02）： - A1 · 读 Prime Agent PDF §3 RLM abstraction + §4 4 组件实现 + §5 ARC-AGI-3 实测 + §6 限制段 - A2 · 跑通 GitHub README 最小示例（IPython REPL + 1 个 ARC-AGI-3 task）验证 reproduction - A3 · 与 HarnessEval-W / StateM / EnvHarness / Zetta / Harness-Evolution-Eval-Rethink 的 harness 化范式横向对照表 - A4 · 与 flyp 8-25 0507 Reliability Science "memory scaffold 普遍伤害" 双向验证：Prime Agent Continual Harness 是反例还是同流？ - A5 · 关键未覆盖的方法学缺口："harness evolution vs self-improving harness" 的边界条件（如果 Prime Agent 在 cross-task 真的 self-improving，则可以反驳 Reliability Science 的"memory scaffold 普遍伤害"反直觉发现）

3.3 TLive-Omni: An Omni-Modal Understanding Model for E-Commerce Live Streaming · arXiv 2608.20958 · HF Daily 8-26 #3 52▲ · 淘宝 Yongdong Luo

链路：arXiv 2608.20958 · HF Daily 8-26 #3 52▲ · 淘宝 Yongdong Luo · 5.2MB PDF · 2026-08-21 提交 · cs.AI / cs.CV 跨学科 类别：#multimodal #omni-modal-understanding #e-commerce #live-streaming #per-vgrid #faithful-rft #grpo

核心论点（摘要自报，不补猜）：

  1. 核心定位：电商直播需要对噪声 + 时序延长流的全模态理解——产品事实分布于语音、视频帧、产品图像、覆盖文字、用户 query。
  2. 统一表示：TLive-Omni = 全模态理解模型，图像 + 视频 + 音频 + 文本 → 统一表示空间。
  3. Per-vGrid：长视频分析的时间戳 token 组织——每个 video grid 与时序对应音频在显式 boundary tokens 内分组，辅助时序对齐。
  4. 三阶段监督训练：渐进式开发直播电商理解能力——全模态感知 → 指令跟随回答。
  5. Faithful-RFT：RL 微调阶段，直接用任务可验证反馈（task-verifiable feedback）打分，不优化 reasoning-style exploration 期间的 rollout——这是与 flyp 8-22 ~ 8-25 GRPO/RLHF 主流的关键"反方向"立标。
  6. scenario-oriented atomic capability taxonomy + compact data production engine：将直播音频 + 图像 + 视频流转换为训练信号（语音识别 + 说话人分析 + 产品视觉 grounding + 文本识别 + 时序 grounding + 视频 dense caption + 全模态 QA）。
  7. 采样策略： - 同步长度分组采样器——减少 padding 同时保持各 worker 相似工作量 - 轻量动态采样策略——regenerate rollout groups with near-zero reward variance，维持 GRPO 相对优势。
  8. 实测：电商直播 benchmark 多任务强性能 + 通用 benchmark 良好泛化。

flyP 视角的精读与反方审稿：

维度 评分 关键判断
动机清晰度 ⭐⭐⭐⭐⭐ "电商直播全模态" 是 v33 以来首个垂直行业 omni-modal 标杆，与 flyp 沿用 Omni-Assistant + OmniScientist (8-23 #7 88▲) 形成"通用 vs 垂直"双线
方法严谨度 ⭐⭐⭐⭐ Per-vGrid 显式 boundary + Faithful-RFT + 双重采样策略 = 工程扎实；需要 PDF §4 实测验证 task-verifiable feedback 的覆盖率
实验可信度 ⭐⭐⭐⭐ 52▲ HF Daily + 淘宝实战场景 + 通用 benchmark 良好泛化 = 工程可信
推广风险 ⚠️ 中 垂直行业（电商直播）≠ 通用，跨行业（医疗 / 自动驾驶）转移性待 PDF §6 量化
复现友好度 ⭐⭐⭐⭐⭐ 淘宝开放 + 落地场景清晰 + 论文完整 = 低复现门槛
影响力潜力 ⭐⭐⭐⭐ 与 OmniScientist (8-23) + Step-Video / Omni-Assistant (8-26 #10 OmniAssistBench) + Intern-S2 形成"omni-modal lineage"中国全栈；立标等级候选级中-高档 ★★ 观察候选

批判要点： - "Faithful-RFT 不优化 reasoning-style rollout" 的边界条件：与 GRPO / DPO / PPO 等 RLHF 主流路径反向——如何防止模型失去 reasoning 能力？需要 PDF §5 ablation。 - "task-verifiable feedback" 的任务范围：必须能机械化打分的任务才能用 Faithful-RFT，开放性创意类任务如何打分？ - Per-vGrid 的"boundary token" 边界定义：人工标注 vs 算法提取？边界精度误差如何补偿？ - "同步长度分组采样器" 的延迟代价：分组调度 vs 同步调度的延迟差距 PDF §3 是否给出？ - "通用 benchmark 良好泛化" 与"专门 benchmark 强性能" 的 trade-off：是否"专门化"以牺牲通用性为代价？

建议归入 v57： - §2.39.228 候补级新增候选第 3 件（omni-modal 垂直行业立标候选）+ 立标等级候选级中-高档 ★★ 观察候选 - §3.6 omni-modal 生态对照表（与 OmniScientist / OmniAssistBench / Step-Omni / Intern-S2 / MOSS-Omni 形成"通用 vs 垂直"双轴 + "RLHF-style reasoning vs task-verifiable faithful"分叉） - §3.5 RFT + 采样策略与 RLHF 主流对照（Faithful-RFT vs GRPO + 同步长度分组 vs naive random）

5 项后续验证动作（截止 2026-09-02）： - A1 · 读 TLive-Omni PDF §3 Per-vGrid + §4 Faithful-RFT 形式化 + §5 ablation + §6 通用 vs 垂直分项 - A2 · 抓 GitHub + 训练数据 license + 复现门槛（电商直播版权 vs 通用 benchmark 公开） - A3 · 与 OmniScientist (8-23) + OmniAssistBench (8-26 #10) 做"通用 vs 垂直 omni-modal 评测"横向对照 - A4 · 与 GRPO 系工作（physic-world-aligned agent 类）做"task-verifiable vs exploration-style rollout"对照 - A5 · 关键未覆盖的方法学缺口："直播 omni-modal + 推荐系统 / 召回侧" 的耦合路径（即如何把 TLive-Omni 的理解信号反馈到推荐 pipeline）

3.4 Block3D: Efficient Text-to-3D Generation via Block-Wise Diffusion · arXiv 2608.19567 v4 · HF Daily 8-26 #11 27▲ · Alex Tsui + Bowen Cui

链路：arXiv 2608.19567 v4 · HF Daily 8-26 #11 27▲ · Project Page alexandertsui.github.io/block3d · 2026-08-25 第五次迭代 · cs.CV · 在 8-26 早棒前已经历 4 次 v1→v2→v3→v4 迭代 类别：#multimodal #3d-generation #block-wise-diffusion #text-to-3d #inference-acceleration

核心论点（摘要自报，不补猜）：

  1. 核心问题：text-to-3D 已取得显著进展，但几何保真 + 低推理成本仍是挑战。现有方法两条路线——（a）自回归离散 shape token 解码（顺序 + 不可修正）vs（b）全 3D 表示 diffusion / flow-matching 迭代细化（全图反复处理，越来越贵）。
  2. Block3D：块扩散框架——把 discrete shape-token 序列划分为连续块，块内 autoregressive + 块内联合去噪。
  3. confidence-guided intra-block correction：修正低置信度 token（在每个块 finalized 之前）。
  4. 实测：TRELLIS-500K held-out 上 mean end-to-end 25.71s → 4.99s = 5.15× 提速 vs fine-tuned autoregressive baseline，几何保真不牺牲。

flyP 视角的精读与反方审稿：

维度 评分 关键判断
动机清晰度 ⭐⭐⭐⭐ "AR 顺序不可修正 vs 全图扩散越来越贵" 是经典张力；Block3D "块内并行 + 块间自回归 + 块内 confidence-corrected" 是 hybrid 解法
方法严谨度 ⭐⭐⭐⭐⭐ 5.15× 提速是 controlled test 上的工程奇迹；confidence-guided correction 写得清晰
实验可信度 ⭐⭐⭐⭐ v4 第五次迭代 + 单 base 数据集（TRELLIS-500K）+ 单 base 任务（text-to-3D）= 工程覆盖窄，但测量精
推广风险 ⚠️ 中 单任务（text-to-3D）+ 单数据集（TRELLIS-500K）；推广到 image-to-3D / multi-view / 4D 需重新设计
复现友好度 ⭐⭐⭐⭐ Project Page 落盘；需要 GPU 资源 vs 5.15× 提速的复现门槛
影响力潜力 ⭐⭐⭐⭐⭐ "训练-推理边界重塑"主线，与 8-24 ForgeWM (少步动作条件视频世界模型)、8-19 SparsePR (训练无关块稀疏注意力)、Cosmos 3、HY-Video 等形成"3D / 4D / 视频世界模型 + 加速方法"完整矩阵。立标等级候选级中-高档 ★★ 观察候选

批判要点： - 5.15× 是否依赖 baseline 选择：fine-tuned autoregressive 是不是平衡起点？vs full diffusion 的差距是不是更大？ - 几何保真"不牺牲" 的评测指标：单一 FID-like metric 还是多维（chamfer distance / normal consistency / texture quality）？需要 PDF §5 限制段。 - confidence-guided correction 的可靠性：低置信度 token 的识别精度如何？如果 correction 错了怎么办？需要 PDF §4 ablation。 - 跨数据集 robustness：TRELLIS-500K 是 real-world 数据集。Objaverse / ShapeNet 等其他数据集上是否保持 5.15× 优势？需要 PDF §6 限制段。 - 块大小的选择：块大小是超参数，最优块大小如何 sweep？需要 PDF 附录。

建议归入 v57： - §2.39.229 候补级新增候选第 4 件（3D 生成加速 + 块扩散范式）+ 立标等级候选级中-高档 ★★ 观察候选 - §3.4 image/video/3D generation 范式级创新（与 8-19 Pixel-Space Empirical Study + 8-23 4DAnyone + 8-24 ForgeWM + SparsePR 形成"3D / 4D 加速方法"完整矩阵） - §3.6 inference acceleration 横向对照表（块扩散 vs 全图扩散 vs 自回归 + training-free sparse attention）

5 项后续验证动作（截止 2026-09-02）： - A1 · 读 Block3D PDF §3 块扩散框架 + §4 confidence-guided correction + §5 几何评测 + §6 限制段 + 附录 ablation - A2 · 抓 GitHub / Project Page + 复现门槛（GPU + 内存） - A3 · 与 TRELLIS / DiffTF / 4DAnyone / ForgeWM / SparsePR 的"3D/4D/视频生成加速"横向对照 - A4 · 与 Cosmos 3 的"全模态 vs 3D 几何" 维度的边界条件 - A5 · 关键未覆盖的方法学缺口："block-wise diffusion + 4D 时间扩展" 的开放问题

3.5 Concept Scaling & Dense Supervision for Image Editing · arXiv 2608.16812 · HF Daily 8-26 #4 45▲ · Long Cui

链路：arXiv 2608.16812 · HF Daily 8-26 #4 45▲ · Long Cui · 2026-08-17 提交 · cs.CV 类别：#multimodal #image-editing #concept-taxonomy #conceptedit-12m #dense-supervision #benchmark

核心论点（摘要自报，不补猜）：

  1. 核心问题：现有 image editing 框架沿用 text-to-image diffusion 训练范式，但应用到 image editing 时暴露两条本质差异——（a）编辑概念粒度关注不足（vs 文生图的粗粒度概念）（b）稀疏监督信号导致的训练低效。
  2. comprehensive hierarchical taxonomy：1000+ 细粒度编辑概念。
  3. ConceptEdit-12M：通过改进的合成框架，构建 1200 万高质量编辑对的巨大数据集。library-driven approach——纠正生成数据的分布坍缩，确保数据保真度。
  4. dense supervision 训练策略：合成多个非干扰概念到单 image pair。提供更丰富的学习信号，显著提升训练效率 + 整体模型性能。
  5. ConceptEdit-Bench：诊断模型在广泛真实场景下能力的细粒度评测套件。

flyP 视角的精读与反方审稿：

维度 评分 关键判断
动机清晰度 ⭐⭐⭐⭐⭐ "image editing 的本质差异（concept 粒度 + 稀疏监督）" 是行业级难题，与 flyp 8-16 GRNEdit (视觉编辑 RL 化) + 8-22 WithEveryone 形成"image editing 评测方法学"双锚
方法严谨度 ⭐⭐⭐⭐⭐ 1000+ 概念 + 1200 万 pair + 合成框架 → 库驱动 = 工程扎实；这是 v33 以来 image editing 数据规模最大公开工作
实验可信度 ⭐⭐⭐⭐ 45▲ HF Daily 强立标 + ConceptEdit-Bench 诊断评测 + 数据集 release 信号
推广风险 ⚠️ 中-低 vertical 在 image editing；推广到 video editing 需要重新设计
复现友好度 ⭐⭐⭐⭐ 1200 万对数据集 = 数据规模大但作者承诺 release
影响力潜力 ⭐⭐⭐⭐ 与 8-22 WithEveryone (图像编辑评测方法学) + 8-21 EVA-Encoder + 8-15 SpectraReward 形成"image / video editing 评测方法学"完整矩阵。立标等级候选级中档 ★ 候选

批判要点： - "library-driven approach 纠正分布坍缩" 的具体机制：如何保证"合成"对不引入新的 distribution shift？需要 PDF §3 + §5 详细论证。 - "非干扰概念合成" 的定义：什么算"非干扰"？如果概念交互有依赖怎么办？需要 PDF §4 ablation。 - 1200 万对的标注成本：编辑对的对齐精度如何保证？人工标注 vs 算法提取？ - ConceptEdit-Bench 的"诊断"角度：是否能区分模型在"概念粒度"上的能力 vs "指令理解"上的能力？需要 PDF §6 ablation。

建议归入 v57： - §2.39.230 候补级新增候选第 5 件（image editing 数据 + 评测范式）+ 立标等级候选级中档 ★ 候选 - §3.1 image editing 范式级创新对照表（与 8-16 GRNEdit + 8-22 WithEveryone + 8-22 CPI-Bench 形成"image editing 评测方法学"完整矩阵） - §3.7 数据规模 + 评测的协同立标（1200 万 pair 是 v33 以来最大 image editing 数据集）

5 项后续验证动作（截止 2026-09-02）： - A1 · 读 Concept Scaling PDF §3 hierarchical taxonomy + §4 dense supervision + §5 实测 + §6 限制段 - A2 · 抓 GitHub + ConceptEdit-12M license + ConceptEdit-Bench leaderboard - A3 · 与 GRNEdit (8-16) + AnyTalk (8-19) + GRNEdit + CPI-Bench (8-22) 做"image editing 评测方法学"横向对照 - A4 · 与 PixEdit / OmniGen / InstructPix2Pix 等 image editing 方法做"concept 粒度" head-to-head 实测 - A5 · 关键未覆盖的方法学缺口："concept hierarchy + 视频编辑时序扩展" 的开放问题

3.6 RISE: Refining Imagination through Selective Rollout for World Action Models · arXiv 2608.20430 · HF Daily 8-26 #12 24▲ · Chenghao He

链路：arXiv 2608.20430 · HF Daily 8-26 #12 24▲ · Chenghao He · 2026-08-20 提交 · cs.CV · 5.9MB 类别：#multimodal #world-model #action #imagination-budget #counterfactual #autonomous-driving

核心论点（摘要自报，不补猜）：

  1. 核心问题：World Action Models (WAMs) 通过把"未来世界演化"结合到 action generation 改善规划，但现有方法给每个场景分配固定 imagination budget。
  2. RISE (Refining Imagination through SElective Rollout)：系统级自适应想象框架，根据"持续 rollout 的预期规划收益"做顺序 Roll/Stop 决策。
  3. 两个核心组件： - Latent Evaluator：在每步估算"当前 prefix 揭示的风险"+"如果继续想象，规划能改善多少" - Rollout Gate：权衡"预期收益 vs 额外计算成本"
  4. CounterDrive：因为实际驾驶日志只暴露一个真实未来，所以构造反事实数据集——多样化结局 + 风险等级，丰富未来动力学 + 提供局部化风险监督。每个保留样本经历专家验证 + 标注（trajectory validity / incident onset / causal category），是 safety-critical world-modeling research 的可重用资源。
  5. 实测：NAVSIM + nuScenes 上 RISE 达到最佳综合规划性能 同时减少不必要的 rollout + 跨 WAM 架构的 plug-in 通用性的额外 transfer 结果。

flyP 视角的精读与反方审稿：

维度 评分 关键判断
动机清晰度 ⭐⭐⭐⭐⭐ "固定 imagination budget" 是 world action model 公开痛点；RISE "按需 Roll/Stop" 是 pathway 范式（参考 Spark / GenRouter）
方法严谨度 ⭐⭐⭐⭐⭐ Latent Evaluator + Rollout Gate + CounterDrive 反事实数据集 = 工程严谨
实验可信度 ⭐⭐⭐⭐ 24▲ + NAVSIM/nuScenes 公认自动驾驶数据集 + plug-in 通用性 + safety-critical counterfactual 数据 = 工程可信
推广风险 ⚠️ 中-低 自动驾驶域，但 RISE 设计通用
复现友好度 ⭐⭐⭐⭐ CounterDrive 数据集公开 + WAM 框架 plug-in
影响力潜力 ⭐⭐⭐⭐ 与 8-22 EnvHarness + 8-19 HarnessEval-W + 8-23 Zetta 形成"harness 化 + 自适应 imagination"轴；立标等级候选级中档 ★ 候选

批判要点： - "CounterDrive 反事实数据集" 的反事实多样性：如何保证反事实覆盖"真实风险等级"的分布？需要 PDF §4 ablation。 - "Latent Evaluator 估算预期收益" 的可靠性：evaluator 自身如何在 distribution shift 下保持？需要 PDF §6 限制段。 - "Rollout Gate 权衡" 的延迟代价：gate 决策本身有 latency，是否净收益？需要 PDF §5 限制段。 - "WAM 架构 plug-in 通用性" 的边界：哪类 WAM 不适用？需要 PDF §7 附录 ablation。

建议归入 v57： - §2.39.231 候补级新增候选第 6 件（world action 自适应 imagination）+ 立标等级候选级中档 ★ 候选 - §3.4 world model 范式级创新（与 8-22 EnvHarness + 8-23 Zetta + 8-19 HarnessEval-W + ForgeWM 形成"自适应 imagination + harness 化"轴） - §3.6 评测方法学延革第 12+13+14 例 + RISE 的世界模型侧延展预备

5 项后续验证动作（截止 2026-09-02）： - A1 · 读 RISE PDF §3 Latent Evaluator + §4 Rollout Gate + §5 NAVSIM/nuScenes 实测 + §6 限制段 + §7 附录 - A2 · 抓 GitHub + CounterDrive 数据集 license - A3 · 与 8-23 Zetta "具身侧 harness 化" + 8-24 EnvHarness "环境侧 harness 化" + RISE "世界模型侧 harness 化"形成三向横评 - A4 · 与 flyp 8-23 OmniScientist 全模态全学科 + 8-26 EchoWM 形成"world model 三向分叉"对照 - A5 · 关键未覆盖的方法学缺口："RISE + safety-critical scenario generation" 的扩展路径

4. 高价值技术文章（3 主节）

4.1 Let's Scale Step by Step: MoE μP scaling law （必读邻接级）

链路：arXiv 2608.20061 · HF Daily 8-26 #5 38▲ · COLM 2026 · Nayeon Kim · 2026-08-20 提交 · cs.LG / cs.AI / cs.CL 类别：#multimodal邻接级#MoE #μP #scaling-law #learning-rate-transfer #COLM2026

核心论点（摘要自报，不补猜）：

  1. 核心问题：MoE 显著扩展模型容量但计算成本不按比例增加，但在极大规模（模型大小 × token budget）的超参优化（特别是学习率）通过 sweeping 算力上 prohibitive。
  2. 两步法 hyperparameter transfer framework：跨 scaling 模型 widths 迁移学习率 → 然后外推到 trillion-token horizons。
  3. MoE + MLA + Muon optimizer 的 μP adaptation：最优学习率跨 width-scaled models 一致迁移。
  4. 沿 token 维度扩展 transferability：通过建立 predictive scaling law（线性回归 small proxy 模型的 optimal values 推出大 budget）+ R²=0.95 预测 10T-token 学习率。
  5. 验证：pretrain 155B 总参 / 17B 激活的 foundation model from scratch，稳定训练 + evaluation 验证 = full-scale 模型的最优配置可由 small proxy 准确预测，ablation 成本最低。

flyP 视角的关键判断： - 立标等级：候选级中-高档 ★★ 候选（邻接级） - 批判要点：μP transferability 跨 architecture 边界（仅在 MoE + MLA + Muon 三元组合下验证，跨 dense transformer / RNN / Mamba 仍成立吗？）+ R²=0.95 预测 10T-token 的 extrapolation window 上限 + scaling law 在"训练函数家族"改变时是否鲁棒 - 建议归入 v57：§2.39.232 候补级新增候选第 7 件 + §3.6 训练方法学横评

4.2 The Mask Is Not the Model: Prefix Invariance Audit （精读）

链路：arXiv 2608.22876 · HF Daily 8-26 #9 28▲ · Youngsik Hong · 2026-08-24 提交 · 24 页 + 4 图 · cs.LG / cs.AI 类别：#multimodal邻接级（机制层）#prefix-invariance #causality-audit #mechanistic-interpretability #sequence-models

核心论点： - 形式化 prefix invariance——位置 t 的表示不应依赖未来输入 - 两次 forward pass，无训练 / 无梯度，定位因果性断点 - attention-mask inspection 是不充分的——leaks 可以通过 scans 或 normalization 发生，即使 masks 正确 - 192 注入故障试验在 8 个 checkpoint 上：mask inspection 找到 0/192，本文审计定位全部 192/192，并发现 Zamba2 + Nemotron-H 的真实缺陷

flyP 视角的关键判断： - 立标等级：候选级中档 ★ 候选（mechanistic interpretability 邻接级） - 与 multimodal 主轴的关系：与 8-25 prompt-model-fixed-points critical-read 沿用互补——fixed-points readout 是 prompt-side，prefix invariance audit 是 architecture-side - 建议归入 v57：§2.39.233 候补级新增候选第 8 件 + §3.6 mechanistic interpretability 横评

4.3 MobilePA-Bench + Apodex 1.1 + Ten-Billion-Capacity Densification + ARC（4 件短读汇总）

链路 A：arXiv 2608.23035 MobilePA-Bench · HF Daily 8-26 #6 34▲ · Yi Zhu + Steven Hoi 11 人 · mobile planner agent benchmark 链路 B：arXiv 2608.23283 Apodex 1.1 · HF Daily 8-26 #1 172▲ · 50+ 作者集体 · "Scaling Agentic Intelligence for Complex Work" 链路 C：arXiv 2608.16425 ParaTempo · HF Daily 8-26 #8 32▲ · 并行推理 + 时间置信度 链路 D：arXiv 2608.23392 Ten-Billion-Capacity Densification Law · HF Daily 8-26 #13 21▲ · 用户表示学习的稠密化定律 链路 E：arXiv 2608.13622 ARC · HF Daily 8-26 #15 15▲ · Advantage Regularization via Conditioning + inter / inter-86K

核心论点（4 件短读）：

  • MobilePA-Bench（34▲）：on-device LLM agent 走向 personal copilot → mobile OS 是关键测试床。13 functional domains + 212 realistic mobile tools + 中央 planning agent + 三大维度评估（sub-agent collaboration + memory usage + skill usage）。这是 v33 以来首个"mobile planner agent"系统级评测。
  • Apodex 1.1（172▲）：174▲ 极显著立标，Apodex 系（推测 Apodex AI 团队）50+ 作者集体。v33 以来单日 HF Daily 第 1 立标信号峰值（沿用 8-19 #1 StateM 130▲ + 8-22 #1 EnvHarness 235▲）+ 非 multimodal 主分类，但强邻接级。
  • ParaTempo（32▲）：并行推理 + 时间置信度。通用 inference 加速框架，与 multimodal 邻接级。
  • Ten-Billion-Capacity Densification（21▲）：logn×logd scaling law for user representation learning。首个"用户表示容量统一标度律"——把推荐系统 / 召回侧的表示学习从"启发式工程"推到"标度律科学"。
  • ARC（15▲）：reward fairness problem；strategy-conditioned rollout grouping + hybrid rewards + entropy regularization 三件套训练 recipe；inter decouples user-visible communication from latent reasoning and tool use；time-to-first-token 4.91s → 1.27s。

flyP 视角： - MobilePA-Bench：立标等级候选级中档偏低 ☆ 候选预备。与 8-26 jay csdn MCP 可观测性 + 企业级 RAG 工程化 形成"工程实战 + 评测"横评组合。 - Ten-Billion-Capacity：立标等级候选级中档偏低 ☆ 候选预备。与 Qwen3-VL-Embedding + e5-omni 跨模态检索（Substack #40）形成"用户表示 + 跨模态检索"的标度律双锚。

建议归入 v57： - §2.39.235 MobilePA-Bench + §2.39.236 Apodex 1.1 邻接级 + §2.39.237 ParaTempo + §2.39.238 Ten-Billion-Capacity + §2.39.239 ARC 5 件候补级新增

5. Substack 必读 + CSDN 高价值必读

5.1 Last Week in Multimodal AI #40: Search Across Everything

链路：Last Week in Multimodal AI #40 · 2026-08-19 已发布 · 主题 Search Across Everything 核心论点：Qwen3-VL-Embedding（Qwen 系）+ e5-omni 把 text + images + video + audio 统一到单一向量空间，实现"一个模型跨一切模态检索"。

flyP 视角： - 节奏：Substack 第 #40 期发布于 2026-08-19，与本周三 8-26 主轴没有显著耦合——Substack #40 关注 embedding 跨模态，本周三关注 world model + harness + omni-modal 应用化 = 频率与主题错位。 - 可信度判断：thelivingedge/Philip Bankier 是相对可信的多模态周报，独立作者 + 长期跟踪。 - 必读理由：作为 8-26 主轴外部信号锚——Qwen3-VL-Embedding + e5-omni 是国产开源嵌入检索关键里程碑，与 #13 Ten-Billion-Capacity 同向。 - 同期还有 Future AGI Multimodal AI in 2026——更长的产业展望（医疗 + 制造 + 边缘推理 + model reasoning sequential）。

5 项后续验证动作（截止 2026-09-02）： - A1 · 核 Last Week in Multimodal AI #41 #42 实际发布日期（2026-08 概率大 + 8-19 #41 已沿用） - A2 · 核 Qwen3-VL-Embedding arXiv / 模型卡与 flyp 沿用基线一致性 - A3 · 核 e5-omni 模型卡与 embedding scaling law - A4 · 核 Future AGI 26-08 期 主线 + multimodal 应用化 - A5 · 关键未覆盖的方法学缺口：Substack 节奏与 arXiv 主线的耦合 / 离散度

5.2 CSDN 高价值必读（4 件强推荐）

jay 8-26 0820 csdn-highvalue-inference-rag-multimodal.md 完整覆盖 8 件，4 件强推荐：

  1. vLLM v0.20.0 超深度系统级架构分析（zhonglinzhang · 2026-04-19 更新 2026-05-17）—— 233 C++/CUDA 文件 ≈ 87 万行，六层分层架构 + 数据流图。可信度高，工程价值 ⭐⭐⭐⭐⭐。建议写入：知识库 inference/vllm/architecture/v0.20.0-deep-analysis.md
  2. 企业级 RAG 系统工程化实战（m0_59235945 · 2026-06-15 + 8-25 加热）—— 检索质量 + 权限边界 + 索引生命周期 + 并发控制（Semaphore acquire 必须在 finally 中 release 的偶发卡根因）+ 成本治理 + 可观测 + 发布回滚 + admission_controller 限流设计。建议写入：rag/production/enterprise-rag-engineering.md
  3. 基于知识图谱的多模态 GraphRAG 项目实战（附源码）（m0_59235245 · 2026-04-28 + 8-24 加热）—— MinerU 负责 PDF/表格/图文混排 + 知识图谱建关系 + Agentic-RAG 多跳推理 + 工具调用示例（search_entities → get_neighbors → get_entities_by_type → describe_graph） + 实测每轮 4-6 次工具调用 + 延迟 8-15s + 踩坑记录（model_supports_json=false 仍无效 + 改用 mistral 解决）。建议写入：rag/graphrag/multimodal/graphrag-project-practice.md
  4. vLLM vs SGLang 实测对比（weixin_72849553 · 2026-08-14 极新）—— 显存 + 吞吐 + 延迟 + KV 缓存管理 + 生态 + 场景适配。建议写入：inference/vllm-sglang/benchmark/aug2026/

flyP 视角的工程实战判断： - vLLM v0.20.0 + vLLM vs SGLang 实测：v33 以来 inference 侧最权威工程级 anchor，可作为 multimodal 模型推理部署的标准参考。 - 企业级 RAG 工程化 + 多模态 GraphRAG：v33 以来 RAG + multimodal 工程实战双锚——multimodal RAG 的真实落地图谱 vs 论文级方法学的距离评估。 - MCP 可观测性 + 多 Agent 排障清单（补充 4 件）：与 flyp 8-22 EnvHarness + 8-23 Zetta + 8-26 Prime Agent "harness 化" 互补——harness 化是论文侧方法学，可观测性 + 排障是工程实战侧底线。

5 项后续验证动作（截止 2026-09-02）： - A1 · 跟踪 weixin_43679037 的 SGLang 源码系列，确认文章是否重新发布 - A2 · 精读 vLLM Executor Part3 和 Speculative Decoding 源码分析 - A3 · 关注 weixin_32678995 的 MCP 可观测性系列（极新 6 天前） - A4 · 与 flyp 8-22 ~ 8-26 multimodal 主轴的"harness 化 vs 工程实战"横向对照 - A5 · 关键未覆盖的方法学缺口："vLLM v0.20.0 × omni-modal 推理" 的工程实战缺口

6. 沿用（已覆盖条目）

条目 来源 处理方式
EnvHarness · arXiv 2608.19880 v56 §2.39.200 + flyp 8-22 09:51 critical-read 已立 候选级中-高档 ★★ 候选预备
SemComp-Bench · arXiv 2608.17426 v55 §2.39.204 + flyp 8-22 15:50 critical-read 候选级中-高档 ★★ 候选预备
Zetta · arXiv 2608.16590 v56 §2.39.205 + flyp 8-23 multimodal-e1prep 候选级高档 ★★ 候选预备
SemaPLC · arXiv 2608.18565 v56 §2.39.206 + flyp 8-23 multimodal-e1prep 候选级中-高档 ★★ 候选预备
ToolVerse · arXiv v56 §2.39.207 + flyp 8-23 critical-read 候选级中档 ★ 候选
Reliability Science · arXiv 2603.29231 v56 §2.39.208 + flyp 8-25 0507 critical-read 候选级中档偏低 ☆ 候选预备
HORIZON · arXiv 2604.11978 v56 §2.39.209 + flyp 8-25 0507 critical-read 候选级中档 ★ 候选
Harness-Evolution-Eval-Rethink · arXiv 2607.12227 flyp 8-22 22:50 critical-read 已立 候选级中-高档 ★★ 候选预备
Vision Encoders Survey · Jina AI 2026 flyp 8-25 22:50 critical-read 沿用 候选级中-高档 ★★ 候选预备
Prompt-Model Fixed Points · arXiv 2608.21315 flyp 8-25 15:51 critical-read 已立 候选级中档 ★ 候选
4DAnyone · arXiv 2608.20335 v56 + flyp 8-22 09:51 critical-read 候选级中-高档 ★★ 候选预备
WithEveryone · arXiv 2608.20336 v56 §2.39.202 候选级中档 ★ 候选
ForgeWM · arXiv 2608.14022 v56 §2.39.203 候选级中档 ★ 候选
OmniScientist · arXiv 2608.13558 v56 §2.39.197 候选级中档 ★ 候选
SWE-bench Science · arXiv 2608.19799 v56 multimodal-e1prep 沿用 候选级中档 ★ 候选
SPADE · arXiv 2608.19197 v56 multimodal-e1prep 沿用 候选级中-高档 ★★ 候选预备
MMDiff · arXiv 2608.09928 v56 §1 折 1.5 multimodal 主分类 候选级中档 ★ 候选
ALD/E-ImageMiner · arXiv 2608.14075 v56 §2.39.x 候补级预备 候选级中档 ★ 候选
S²VOPD · arXiv 2608.14144 v56 立标信号 + 候选级中档 ★ 候选 沿用
UniProbe · arXiv 2608.10835 flyp 8-17 critical-read + flyp 8-23 multimodal-e1prep 沿用 候选级中档 ★ 候选
τ_0-VLA · HF Daily 8-23 9 票 沿用 候选级中档 ★ 候选
SparsePR · HF Daily 7 票 tom 8-25 0508 radar net-new 候选级中档 ★ 候选
Hydra-0 · HF Daily 2 票 沿用 候选级中档偏低 ☆ 候选预备
PhysCaP · HF Daily 1 票 tom 8-25 0508 radar net-new 候选级中档偏低 ☆ 候选预备
AtlasVLA · arXiv 2608.06729 paper_card 926 v56 候选级中档 ★ 候选
DreamX-Phi 1.0 · arXiv 2608.13489 paper_card 942 v56 候选级中档 ★ 候选
LiveAnimate · arXiv 2608.11745 paper_card 944 v56 候选级中档 ★ 候选
H2R-Bench · arXiv 2608.13049 paper_card 945 v56 候选级中档偏低 ☆ 候选预备
CPI-Bench · arXiv 2608.14546 paper_card 966 v56 候选级中档 ★ 候选
LongWoF-Bench · arXiv 2608.23200 tom 8-26 0840 radar 沿用 候选级中档偏低 ☆ 候选预备
ClawProBench · arXiv 2608.22510 tom 8-26 0840 radar 沿用（OpenClaw 系） 候选级中档 ★ 候选预备
Laws of Context Allocation · arXiv 2608.23252 tom 8-26 0840 radar 沿用 候选级中档偏低 ☆ 候选预备
Compaction Cliff · arXiv 2608.22752 tom 8-26 0840 radar 沿用 候选级中档偏低 ☆ 候选预备
Quantization-Aware Healing · HF Daily 9 票 tom 8-26 0840 radar 沿用 候选级中档偏低 ☆ 候选预备

7. 跨棒一致性核对 + 立标池饱和度供给侧观测

7.1 v57 沿用基线核对

  • §1 折 1.1 视频生成 SOTA：v56 沿用 35 件 · 8-26 早棒 4 件 multimodal 主分类 / 邻接级 net-new = EchoWM（omnimodal world model）+ Block3D（3D 块扩散）+ RISE（world action 自适应想象）+ Concept Scaling（image editing 1200 万对）= v57 候选级第 36-39 件预备
  • §1 折 1.2 世界模型范式：v56 沿用 11 件 · 8-26 早棒 1 件 multimodal 主分类 = EchoWM（重叠）+ RISE（重叠）= v57 候选级第 12-13 件预备
  • §1 折 1.4 视觉编辑 RL 化：v56 沿用 11 件 · 8-26 早棒 1 件 multimodal 主分类 = Concept Scaling（重叠）= v57 候选级第 16 件预备
  • §1 折 1.5 视觉感知 / RL 化：v56 沿用 11 件 · 8-26 早棒 1 件 multimodal 邻接级 = The Mask Is Not Model（机制层）= v57 候选级第 14 件预备
  • §1 折 4.1 VLA / 具身 Agent：v56 沿用 23 件 · 8-26 早棒 1 件 multimodal 邻接级 = MobilePA-Bench（mobile planner）= v57 候选级第 29 件预备
  • §1 折 4.2 多模态 CoT / 推理范式：v56 沿用 21 件 · 8-26 早棒 1 件 multimodal 邻接级 = ARC（strategy-conditioned rollout）= v57 候选级第 23 件预备
  • §1 折 4.3 Agentic 推理：v56 沿用 · 8-26 早棒 1 件 agent 主分类 net-new = Apodex 1.1（172▲ #1）/ Prime Agent 沿用增强 = 邻接级
  • §1 折 5.1 行业平台化：v56 沿用 32 足 · TLive-Omni 加入预备 = v57 候选级第 35 足

7.2 立标池双向锚 v33 首次 13 向并存预备触发（沿用 v56 11 向 + EchoWM + Prime Agent 双锚预备）

  • v56 沿用 v33 首次 11 向并存预备触发（EnvHarness + SemComp-Bench + OmniScientist + 4DAnyone + WithEveryone + ForgeWM + Zetta + OpenART + Alaya-EVOKE + Mechanist + DreamX-Phi = 11 向）
  • v57 预备 v33 首次 13 向并存预备触发（沿用 v56 11 向 + EchoWM "全模态世界模型" + Prime Agent "self-improving RLM harness" = 13 向）
  • 立标信号实测：EchoWM 64▲ 立标显著 / Prime Agent 32▲ 立标中-高 = EchoWM 是 v57 新进双锚中立标信号最强

7.3 立标池饱和度供给侧观测

  • paper_cards 库沿用 1058 张（8-25 09:40 沿用 vs 8-24 09:00 沿用 1051 = 24h 窗口净增 7 张 vs 8-23 08:00 沿用 977 = 48h 净增 81 张） = 自动化流水线已恢复补给反向补给窗口沿用
  • v57 接力棒必须独立判定：① 8-26 早棒 9 件 multimodal 主轴 net-new 是否进入 §2.39.226-§2.39.238 候补级 / 邻接级 ② 立标池饱和度供给侧 48h 净增 81 张的口径稳定性

7.4 评测方法学延革系列完整 6 锚链（沿用 v56 备料棒）

  • v57 = 完整锚链 6 件：① HarnessEval-W (8-19 #2 111▲) + ② StateM (8-19 #1 130▲) + ③ EnvHarness (8-22 #1 235▲ 续立 +11▲) + ④ Zetta (8-23 #3 141▲ net-new) + ⑤ Harness-Evolution-Eval-Rethink (8-22 2250 flyp critical-read 已立) + ⑥ Prime Agent (8-26 #7 32▲ net-new) = v33 以来首次"评测方法学延革系列"完整 6 锚链实测触发
  • 立标强度梯度：StateM 374▲ 8-20 早盘 极显著 >> EnvHarness 254▲ 8-24 #1 续立 +8▲ = Zetta 141▲ 8-23 #3 = HarnessEval-W 111▲ 8-19 #2 >> Prime Agent 32▲ 8-26 #7 = "StateM 沿用 + EnvHarness/Zetta/HarnessEval-W 三体实测 + Prime Agent 实测极显著"多峰

8. 警惕：矛盾或待核实说法（10 条）

矛盾 1 · EchoWM "全模态世界模型"立标等级 vs NVIDIA Cosmos 3 同向竞争

  • EchoWM（arXiv 2608.23189）vs NVIDIA Cosmos 3（arXiv 2606.02800）：两者都为 omnimodal world models，但 (a) 架构不同（Cosmos 3 = mixture-of-transformers；EchoWM = camera intent + autoregressive）；(b) 可执行性（Cosmos 3 含动作模态；EchoWM 无动作模态）；(c) 机构（Cosmos 3 系 NVIDIA Cosmos Lab 团队 + ARC-AGI-3 183 关全过；EchoWM 系 BUAA 张钫淳团队）。
  • flyP 警示：v57 接力棒必须独立判定 EchoWM 立标等级 vs Cosmos 3 = 若 EchoWM 仅做"可看可听"侧，则应降级为"模态扩展"候选级中-高档 ★★ 候选；若 EchoWM 真的提供"omnimodal 学术开源替代"，则可保候选级高档 ★★ 观察候选。需要 PDF §5 实测主表量化。

矛盾 2 · Prime Agent "ARC-AGI-3 30% → 95.5%" 是否属"scaffolding / 工具外延" 类单维度提升

  • Prime Agent（arXiv 2608.23552）的 Best@1 30% → 95.5%：数量级提升但是否依赖 test-time training、是否有 evaluator leak、evaluator 自身可靠性？需要 PDF §5 限制段 + 附录 ablation。
  • flyP 警示：v57 接力棒必须独立判定 Prime Agent ① ARC-AGI-3 实测的具体条件 ② 与 8-19 StateM "Terminal-Bench 2.1 130▲" 同维度（harness 化）vs 跨维度（agentic 整体性提升）。

矛盾 3 · TLive-Omni "Faithful-RFT 不优化 reasoning-style rollout" 与 GRPO 主流反向

  • TLive-Omni（arXiv 2608.20958）的 Faithful-RFT：直接用 task-verifiable feedback 打分，不优化 reasoning-style exploration 期间的 rollout——这与 GRPO（沿用 Spark 系列 flyp 8-25 + 8-23 multimodal-e1prep）的主流反向。
  • flyP 警示：v57 接力棒必须独立判定 Faithful-RFT ① "task-verifiable feedback" 路径适用边界 ② 是否在"开放性创意 / 无可验证反馈任务"中失效 ③ 与 flyp 8-23 reasoning-with-video / 8-22 visual-thoughts-MCoT "reasoning-style rollout 优化"形成双锚。

矛盾 4 · Block3D "5.15× 提速" 是否依赖 baseline 选择

  • Block3D（arXiv 2608.19567 v4）的 5.15× 提速：相对fine-tuned autoregressive baseline，vs full diffusion 的差距是不是更大？需要 PDF §6 限制段。
  • flyP 警示：v57 接力棒必须独立判定 Block3D ① "5.15×" 是否依赖 specific baseline ② 跨数据集（TRELLIS-500K only）实测的 generalization ③ 块大小作为超参的最优 sweep 结果。

矛盾 5 · RISE CounterDrive 反事实数据集多样性 vs 真实风险分布匹配

  • RISE（arXiv 2608.20430）的 CounterDrive：因为真实驾驶日志只暴露一个真实未来，所以构造反事实数据集——多样化结局 + 风险等级。但"多样化"是否覆盖"真实风险等级"的分布？需要 PDF §4 ablation。
  • flyP 警示：v57 接力棒必须独立判定 CounterDrive ① 反事实生成的多样性 vs 真实性 trade-off ② Roll/Stop gate 的延迟代价 ③ plug-in 通用性边界。

矛盾 6 · Concept Scaling 1200 万对"合成数据"是否引入新的 distribution shift

  • Concept Scaling（arXiv 2608.16812）的 ConceptEdit-12M：1200 万对"合成"数据。library-driven approach 纠正分布坍缩——但"纠正分布坍缩"是否引入新的 distribution shift？需要 PDF §3 + §5 详细论证。
  • flyP 警示：v57 接力棒必须独立判定 ConceptEdit-12M ① 合成数据是否覆盖真实编辑场景 ② "非干扰概念合成" 的边界 ③ ConceptEdit-Bench 的"诊断"角度是否够深。

矛盾 7 · OmniAssistBench "predefined priors 强制相同路径" 的评测有效性

  • OmniAssistBench（arXiv 2608.21360）的 predefined priors：要求模型引导用户走完全相同路径→ 可能测的是"模型能否从既有路径前进"而非"模型能否自主决策"。需要 PDF §6 限制段。
  • flyP 警示：v57 接力棒必须独立判定 OmniAssistBench ① "predefined priors" 是否过度限制评测 ② reverse-engineering 从 Internet 视频的 dataset bias ③ 1000+ 专家人时的具体分时构成。

矛盾 8 · Let's Scale Step by Step 的 R²=0.95 跨 architecture generalization

  • Let's Scale Step by Step（arXiv 2608.20061）的 scaling law：R²=0.95 预测 10T-token，但仅在 MoE + MLA + Muon 三元组合下。跨 dense transformer / RNN / Mamba 仍成立吗？需要 PDF §6 限制段。
  • flyP 警示：v57 接力棒必须独立判定 Let's Scale Step by Step ① R²=0.95 的 extrapolation window 上限 ② 跨 architecture（dense / RNN / Mamba）的 transferability ③ 学习率之外的 hyperparameter 是否仍可 proxy 预测。

矛盾 9 · The Mask Is Not Model "192/192 全部定位" 是否覆盖所有 leak 模式

  • The Mask Is Not the Model（arXiv 2608.22876）的 audit：192 注入故障在 8 个 checkpoint 实测全部定位 + mask inspection 0/192。故障分布是否覆盖"所有已知 leak 模式"？需要 PDF §4 限制段。
  • flyP 警示：v57 接力棒必须独立判定 The Mask Is Not Model ① "192 注入故障" 的故障分布 ② Zamba2 + Nemotron-H 真实缺陷的具体 leak 路径 ③ 跨 model size generalization ④ "两次 forward pass" 的反例。

矛盾 10 · MobilePA-Bench "sub-agent collaboration / memory / skill" 三维度覆盖完整性

  • MobilePA-Bench（arXiv 2608.23035）的 3 维度评估：sub-agent collaboration + memory usage + skill usage。这 3 维度是否覆盖"mobile planner agent" 的全部能力？需要 PDF §4 限制段。
  • flyP 警示：v57 接力棒必须独立判定 MobilePA-Bench ① "13 functional domains + 212 realistic mobile tools" 覆盖完整性 ② "live application databases + structured feedback" 的延迟代价 ③ 跨 OS（iOS / Android）的 plug-in 通用性。

9. 分类标签汇总

  • 主线：#multimodal #video-generation #image-generation #audio-generation #vlm #omni-modal #world-model #omnimodal-world-model #harness #evaluation #rlhf #rft #benchmark #grpo #prefix-invariance #mechanistic-interpretability #3d-generation #block-wise-diffusion #image-editing #dense-supervision #traffic-driving #world-action-model #moe #scaling-law #recommendation #user-representation-learning #retrieval #cross-modal-embedding #mobile-planner #rl-fairness
  • 副线：#agentic #tool-use #arc-agi-3 #nanoGPT #emulator #factorio #self-improving #continual-harness #subagent #admissible-rag #vllm #sglang #graphrag #knowledge-graph #mcp #observability #engineering #csdn-highvalue #infrax #substack #c1-multimodal-weekly
  • 风险标签：#require-replication #cross-architecture-transfer-unverified #reasoning-vs-faithful-rl #mask-inspection-incomplete #omnimodal-vs-action-execution #benchmark-vs-real-application #vllm-v0.20.0-csdn-engineering #substack-commentary

10. 是否建议精读 / 反方审稿 / 主题页更新

10.1 精读建议（按优先级排序）

  • P0 必精读（3 件）：EchoWM + Prime Agent + TLive-Omni（omnimodal world model + self-improving RLM harness + 垂直 omni-modal 应用化 = v57 三主条目）
  • P1 强精读（4 件）：Block3D + Concept Scaling + OmniAssistBench + RISE（3D 加速 + image editing 评测 + omni-LLM 评测 + world action 自适应想象）
  • P2 邻接级精读（4 件）：Let's Scale Step by Step + The Mask Is Not Model + MobilePA-Bench + Ten-Billion-Capacity（MoE scaling law + mechanistic audit + mobile planner + 推荐 scaling law）
  • P3 短读（5 件）：Apodex 1.1 + ParaTempo + ARC + Substack #40 + 5 件 tom 8-26 radar

10.2 反方审稿建议（按优先级排序）

  • P0 必反方审稿（2 件）：
  • EchoWM：omnimodal vs Cosmos 3 双雄竞争 + camera-character dynamics 稳定性 + 6-DoF trajectory metric-scale 假设 + 音视频同步精度
  • Prime Agent：ARC-AGI-3 30% → 95.5% 实测条件 + Continual Harness vs Reliability Science "memory scaffold 普遍伤害"反向验证 + 递归子 agent 可扩展性 + Factorio refinement 收敛性
  • P1 强反方审稿（6 件）：TLive-Omni + Block3D + Concept Scaling + OmniAssistBench + RISE + Let's Scale Step by Step
  • P2 邻接级反方审稿（4 件）：The Mask Is Not Model + MobilePA-Bench + Ten-Billion-Capacity + ARC

10.3 主题页更新建议

  • ✅ multimodal 主轴主题页：更新新增 EchoWM + Prime Agent + TLive-Omni + Block3D + Concept Scaling + OmniAssistBench + RISE 7 件 + MoE scaling law + mechanistic audit
  • ✅ 评测方法学延革系列主题页：新增 Prime Agent (第 6 件 anchor) + ARC (RL 公平性邻接级预备)
  • ✅ omnimodal world model 主题页：新增 EchoWM vs Cosmos 3 vs Emu3.5 vs Qwen-RobotWorld 双线横评
  • ✅ harness 化主题页：新增 Prime Agent 的"self-improving RLM harness"维度
  • ✅ image editing 主题页：新增 Concept Scaling + ConceptEdit-12M + ConceptEdit-Bench
  • ✅ 3D / 4D 视频生成主题页：新增 Block3D 块扩散 + RISE world action
  • ✅ 推荐 / 召回主题页：新增 Ten-Billion-Capacity + Substack #40 Qwen3-VL-Embedding + e5-omni + MobilePA-Bench
  • ✅ mechanistic interpretability 主题页：新增 The Mask Is Not Model + flyp 8-25 prompt-model-fixed-points critical-read 双锚

11. 建议写入文件路径

11.1 本任务已写入路径

  • /shared/research-kb/inbox/flyp/2026-08-26-multimodal-weekly-digest.md（本文件）

11.2 建议最终发布路径

  • /shared/research-kb/digests/2026-08-26_multimodal.md（同步任务串行合并后的最终路径）

11.3 建议 registry 同步

  • /shared/research-kb/registry/papers.jsonl 追加 14 件 HF Daily 8-26 主条目（2608.23189 / 2608.20958 / 2608.16812 / 2608.20061 / 2608.23035 / 2608.23552 / 2608.16425 / 2608.19567 / 2608.20430 / 2608.21360 / 2608.22876 / 2608.13622 / 2608.23392 / 2608.23283）

11.4 建议 jay csdn 知识库路径

  • inference/vllm/architecture/v0.20.0-deep-analysis.md
  • rag/production/enterprise-rag-engineering.md
  • rag/graphrag/multimodal/graphrag-project-practice.md
  • inference/vllm-sglang/benchmark/aug2026/

11.5 建议主题页增量

  • multimodal-main-axis.md：EchoWM + Prime Agent + TLive-Omni + Block3D + Concept Scaling + OmniAssistBench + RISE 7 件
  • evaluation-methodology-evolution.md：Prime Agent (第 6 件 anchor) + ARC (RL 公平性邻接级预备)
  • omnimodal-world-model.md：EchoWM vs Cosmos 3 vs Emu3.5 vs Qwen-RobotWorld 双线横评
  • harness-ization.md：Prime Agent "self-improving RLM harness" 维度
  • image-editing-evaluation.md：Concept Scaling + ConceptEdit-12M + ConceptEdit-Bench
  • 3d-4d-video-generation.md：Block3D 块扩散 + RISE world action
  • recommendation-recall.md：Ten-Billion-Capacity + Substack #40 Qwen3-VL-Embedding + e5-omni + MobilePA-Bench
  • mechanistic-interpretability.md：The Mask Is Not Model + flyp 8-25 prompt-model-fixed-points critical-read 双锚

12. 待人工确认的问题

  1. EchoWM arXiv ID 2608.23189 准确性：8-26 早棒 #2 64▲ 的 paper 是否同时被 NVIDIA Cosmos 3 (2606.02800) 复用为 BUAA 系独立扩展？需要 PDF §1 引言核验作者群与 Cosmos 3 的引用关系。
  2. Prime Agent 的 ARC-AGI-3 实测条件：30% → 95.5% 的具体条件（test-time compute budget、self-training data、evaluator 自身可靠性）需要 PDF §5 限制段 + 附录 ablation 核验。
  3. TLive-Omni "Faithful-RFT 不优化 reasoning-style rollout" 的边界条件：与 GRPO 系主流反向，需要 PDF §4 实测 + §6 限制段核验。
  4. Block3D "5.15× 提速" 是否依赖 specific baseline：需要 PDF §6 限制段核验。
  5. Concept Scaling 1200 万对数据集的 license 与开原计划：ConceptEdit-12M + ConceptEdit-Bench 是否 release？需要 PDF 8-17 vs 8-26 跨期更新核验。
  6. OmniAssistBench predefined priors 强制相同路径的评测有效性：需要 PDF §6 限制段核验。
  7. RISE CounterDrive 数据集的多样性 vs 真实风险分布匹配：需要 PDF §4 ablation 核验。
  8. Let's Scale Step by Step 跨 architecture generalization：需要 PDF §6 限制段核验（特别是 dense / RNN / Mamba）。
  9. The Mask Is Not the Model 的故障分布覆盖度：需要 PDF §4 限制段 + Zamba2 + Nemotron-H 真实缺陷的具体 leak 路径核验。
  10. MobilePA-Bench 3 维度覆盖完整性：需要 PDF §4 限制段 + 跨 OS（iOS / Android）的 plug-in 通用性核验。
  11. Substack 第 #42 期实际发布日期：thelivingedge.substack.com 是否发布 8-26 周报？需要 flyp 8-26 ~ 8-27 进一步核验。
  12. EchoWM 与 NVIDIA Cosmos 3 的差异性 / 共构性：PDF §6 是否给出 head-to-head 实测？

生成者：flyP · 周三多模态文献总结 生成时间：2026-08-26 09:10 CST 输出语言：中文 结构：今日主题 / 检索来源 / 新增候选概览 / 必读 6 篇 / 高价值技术文章 / Substack + CSDN 必读 / 沿用条目 / 跨棒一致性核对 / 分类标签 / 精读建议 / 建议写入路径 / 待人工确认问题 版本：v57 第四十六重叠加（v57 08-26 沿用 + 周三主棒 + 反向补给窗口开启 + 立标池双向锚 v33 首次 13 向并存预备 + 评测方法学延革第 6 锚完整链预备 + omnimodal world model 第 1 学术候选预备 + EchoWM vs Cosmos 3 双雄预备）