multimodal · E1 预消化简报(2026-10-29)

作者：flyP · 2026-10-29 09:40 CST 任务：14e9b8fb-68c2-49b4-bd36-aa649947885a · E1 日间预消化轮 · multimodal 驱动：宿主机增量清单（work-guard JSON · created_at 1793238002 / expires_at 1793241602 · 有效 · 1 项 item / 8 项 materials） 对照活文档：organized/knowledge/multimodal.md（当前 R64 · 2026-10-25 08:40 CST 更新 · Wave3 E1 活文档 #103 · arXiv baseline 去重后 873 个唯一编号 / URL baseline 214） 边界：只写本文件；未改活文档 / 清单 / 基线 / 认领记录 / 定时配置；未 git / gh；未开网页检索补料；未做全库扫描（仅按清单 8 项 materials 定向读取 + 活文档 grep 核验）。

§0 结论先行：净增量 7 条论文级立标候选 + 1 条结构性条目 + 2 条回流；本轮 arXiv 净增 21 个编号 —— 与上两轮"主轴净增 0"完全反转

上两轮（10-26 / 10-28）E1 简报的连续结论都是"multimodal 主轴真实净增量为 0，材料供给持续偏向工具/应用层"。本轮该判断反转：清单 8 项 materials 中有 2 份笔记（tom 的 HF Daily 15 篇 + tom 文献雷达 8 篇）贡献了 21 个 net-new arXiv 编号，其中 7 个落在 multimodal 主轴，且形态是"方法学 + 评测协议"而非"工具 + 元数据"。

清单 8 项 materials 分拣：

# material 类型 判定
1 inbox/tom/2026-10-29-0900-hf-daily-2026-10-29.md 笔记 · HF Daily 15 篇 真净增 · 15 个编号全 net-new · 7 篇命中主轴
2 inbox/tom/2026-10-29T0840-agent-rag-longcontext-radar.md 笔记 · 人工筛选雷达 8 篇 真净增 · 8 个编号全 net-new · 4 篇命中主轴（与 #1 重叠 2 篇）
3 organized/paper_cards/1775-2610-12307.md paper card · BudgetPix 回流·编号已在册（arXiv:2610.12307 已在 §2.1 baseline，正文无立标段）
4 organized/paper_cards/1806-1409-0575.md paper card · ILSVRC 回流·已立标（§3.79 + §2.3 DOI + §2.4 DOI baseline 四处命中）
5 organized/paper_cards/1816-2006-11477.md paper card · wav2vec 2.0 真净增 · arXiv:2006.11477 不在 baseline · 经典回召
6 inbox/jay/2026-10-28T1335-blogs-discovery.md 笔记 · 博客/开源 3 条 off-axis · 2 条已核查 + 1 条待查 · 主轴命中 0
7 organized/repo_cards/4702-liuhaisi2026212-maker-taishang-laojun.md repo card · 太上老君 真净增（弱） · 元数据级 · 主题标签误分类样本
8 inbox/jay/2026-10-28-1140-news-x-tech-radar.md 笔记 · X 雷达 3 条 真净增（中） · 2 条已核原帖 · 主轴命中 2（InteractiveWorld / StreamVibe）

今晚最该带走的一句话：R64 主线"生成过程的结构可重排"在本轮被一条完全不同的线接管——"生成过程之外的证据结构、评测单元与编码载体"。本轮 7 条主轴立标里，只有 2 条（2610.37662 离散 token · 2610.37666 ThinkWorld）落在 R64 的生成侧主线上，其余 5 条落在"评测协议 / 记忆结构 / 长上下文证据连接 / 视觉语言动作"四条支线上。这不是 R64 主线的延续，而是主线的分叉——今晚的活文档轮需要先决定：是把 R65 主线写成"生成过程可重排"的分叉，还是另起一条"证据与评测结构"的主线 ⚠3。

§1 今日该主题最重要的增量（7 条论文级 + 1 条结构性 + 1 条弱净增）

🆕 增量 1：arXiv:2610.34283 ChronoReplay — "一个答案接口不足以承载流式空间智能" ★ 本轮与 R64 主线张力最尖锐的一条

  • 来源：inbox/tom/2026-10-29-0900-hf-daily-2026-10-29.md（HF Daily 2026-10-29 · 345▲ · 票数第 2）· https://arxiv.org/abs/2610.34283 · 仅标题级证据（标题行），摘要未读
  • 要点（仅据标题）：主张 "One Answer Interface Is Not Enough for Streaming Spatial Intelligence" —— 即流式空间智能不能靠单一答案接口承载，需要接口层面的多路输出。这是全清单唯一一条直接从"输出接口"角度挑战现有范式的条目。
  • 与活文档 knowledge/multimodal.md 现有脉络的关系 ⚠3：
  • grep 核验：2610.34283 / ChronoReplay 在 multimodal.md 中 0 命中，绝对净增。
  • 与 R64 C45"生成过程的结构是可重排资源"的关系是张力而非补充：R64 三件生成侧立标（FCP 2610.29989 / NAMVIS 2610.04722 / T3lescope 2610.03308）全部默认"输出是一个可以由结构来组织的答案"——FCP 重排训练监督、NAMVIS 重排 token 尺度采样、T3lescope 重排结构层级，但三者都仍以"给定输入→输出一个答案/一段序列"为外壳。ChronoReplay 的标题命题直接指出这个外壳本身可能不够 ⚠3。若全文证实，这是本库第一次出现"接口层是多模态智能的一等约束"这条轴。
  • 与 §3.93 FastOPD（"与理想少步教师持平"是分布层面声明）的结构呼应：FastOPD 提醒"分布持平 ≠ 样本级持平"；ChronoReplay 提醒"生成过程被重排得再好 ≠ 接口足以表达结果"。两者合起来指向同一条纪律：结构优化必须在"结果如何被读出"这一层做对照验证。
  • 建议归入哪一节：建议新起 §3.97 立标段，但标题级证据，只能记命题方向、不得记任何方法细节。若今晚无法读全文，降级为 §3.95 登记区的一条"命题级线索"。
  • 证据边界 ⚠3：标题级。必须写"仅据标题，未读摘要与全文"；不得表述为"已证明单接口不足"；不得推测其方法（时间轴？多查询？多分辨率回放？）⚠3。

🆕 增量 2：arXiv:2610.37662 Can Discrete Tokens Serve as Semantically Lossless Representations of Visual Signals? ★ 本轮对 R64 C45 最直接的正面冲击

  • 来源：inbox/tom/2026-10-29-0900-hf-daily-2026-10-29.md（HF Daily 2026-10-29 · 89▲）· https://arxiv.org/abs/2610.37662 · 仅标题级证据
  • 要点（仅据标题）：以疑问句形式提出——离散 token 能否作为视觉信号的"语义无损"表示。标题形态是问句，本身就说明这是开放问题而非结论，这一点必须在引用时保留 ⚠3。
  • 与活文档现有脉络的关系 ⚠3：
  • grep 核验：2610.37662 在 multimodal.md 中 0 命中，绝对净增。
  • 这是 R64 §3.91 NAMVIS 整个技术路线的前置假设：NAMVIS 的做法是"不反复去噪，通过少量由粗到细的尺度步预测离散视觉 token"——其合法性完全依赖"离散 token 足以承载视觉信号"这一前提。R64 在 NAMVIS 条目里只记了"锚定几何的具体形式摘要被截断"（HY-W113），却从未质疑过"离散化本身是否有损"这一更底层的假设 ⚠3。本条把这个从未被检验的前提显式摆上了台面。
  • 与 §3.92 T3lescope 的对照：T3lescope 走的是固定分辨率 + 网格单元的连续/离散混合路线，不依赖离散视觉 token 语义无损。NAMVIS 与 T3lescope 的分歧点在这里被精确化了：不是"级联 vs 自回归"，而是"要不要接受视觉信号的离散化损失"。 ⚠3 这是一条今晚值得写进活文档的判读。
  • 与 R64 C45 的关系：C45 主张"生成过程的结构是可重排资源"，前提是生成过程本身没有信息瓶颈。若"离散 token 语义有损"成立，则"重排"的收益上限本身被编码载体锁死——结构可重排 ≠ 信息可无损地流经结构 ⚠3。这是本轮对 C45 最有杀伤力的一条补充。
  • 建议归入哪一节：§3.97 立标候选（标题级），并在 §3.91 NAMVIS 条目末尾加一句互指："NAMVIS 的离散视觉 token 路线，其语义无损性前提正被 arXiv:2610.37662 显式质疑（标题级）。" §4 开放问题新增一条："离散视觉 token 的语义无损边界在何种分辨率/内容复杂度下失效？"
  • 证据边界 ⚠3：标题级，且标题为问句。不得表述为"已证明离散 token 有损"或"已证明无损"；不得引用任何保真度指标 ⚠3。

🆕 增量 3：arXiv:2610.35864 VibeVideoBench + arXiv:2610.37341 CodeCap-Bench — "代码作为多模态的中间表示"首次成对出现 ★ 本轮最具结构性的一条

  • 来源：inbox/tom/2026-10-29-0900-hf-daily-2026-10-29.md（VibeVideoBench · 172▲ · https://arxiv.org/abs/2610.35864；CodeCap-Bench · 50▲ · https://arxiv.org/abs/2610.37341）+ inbox/tom/2026-10-29T0840-agent-rag-longcontext-radar.md（VibeVideoBench 亦在 tom 精选名单内，tom 判为"低优先，仅记录"）
  • 要点（仅据标题 + tom 的一行判读）：
  • VibeVideoBench —— "Evaluating Multimodal Agents on Code-Driven Video Generation"。评测对象是"多模态 agent"，任务是"代码驱动的视频生成"。
  • CodeCap-Bench —— "Can Code Serve as a Good Video Caption?"（标题即问句）。把"视频描述"这一传统自然语言任务，改写为"能否用代码来描述视频"。
  • tom 雷达的独立判读："VibeVideoBench 属代码驱动视频生成基准"；并把 The Trinity（2610.36077）归为"多模态 agent 自改进框架"。
  • 与活文档现有脉络的关系 ⚠3：
  • grep 核验：两个编号在 multimodal.md 中 0 命中，绝对净增。
  • 这是本轮最值得注意的一条新轴："代码是中间表示（IR）"。R64 §3.90 OmniCapBench 把评测单元从"自由文本"改为"原子可验证单元"（实体引用 / 视觉镜头 / 音频事件），R64 C47 主张"评测单元本身的粒度与可判定性已成为独立研究对象"。CodeCap-Bench 沿同一条线走得更远——它把评测单元本身换成了另一种语言：从自然语言散文换成代码**。
  • 与 §3.94 SheetSage2 的跨模态同构：SheetSage2 用"任务特定的结构化解码器"把 MIDI 渲染音频转成人类可读乐谱，解决的是"精确局部预测仍产生不一致序列"。CodeCap-Bench 用代码做视频描述，解决的是同一个问题（全局一致性 vs 逐点精度）——这是 R64 C46"全局一致性不能靠逐点更准获得，必须靠结构约束施加"在视频描述模态上的第三个独立来源 ⚠3（前两个是 SheetSage2 结构化解码 × OmniCapBench 原子单元）。
  • 与增量 1 ChronoReplay 的合读：ChronoReplay 说"一个答案接口不够"（流式空间智能），CodeCap-Bench 说"答案不一定要用散文写"（代码即描述）。两条合起来指向同一个更一般的命题——多模态的"输出形态"是一个可设计变量 ⚠3。本库此前的 C43"能力归属三向分流：模型内/系统层/评测协议"需要加第四个维度：输出形态。
  • 一条跨实例互证（值得今晚留意）：flyp 自己在 inbox/flyp/2026-10-28-multimodal-e1prep.md 增量 2 里，记过 receptron/mulmocast-cli（AI 播客/视频生成器）并引用 stephen 在 llm-application 轴的判断——"中间表示即产物契约"。那条线索当时的落点被标为 off-axis（"对 multimodal 主轴几乎无信息量"）；本轮 VibeVideoBench + CodeCap-Bench 恰好从学术侧把"代码即 IR"这条线立了起来 ⚠3。这说明"中间表示"这条线在两个轴上独立浮现——正是值得立标的信号。
  • 建议归入哪一节：
  • 建议新起 §3.97 立标段（两件合并为一条"代码作为多模态中间表示"的条目），标"标题级 + tom 雷达低优先标记"。
  • §5 共识：建议新增一条共识（如 C48）："多模态的输出形态（散文 / 原子单元 / 代码 / 时间轴）是可设计变量"——支撑来源：OmniCapBench（R64 已锚）+ CodeCap-Bench（标题级）+ ChronoReplay（标题级）+ SheetSage2（已锚）。⚠3 注意支撑强度：其中两件仅标题级，建议共识措辞保留"标题级线索指向"而非"已确立"。
  • §3.90 OmniCapBench 条目加互指一句。
  • 证据边界 ⚠3：VibeVideoBench 标题级 + tom 一行判读；CodeCap-Bench 标题级且标题为问句。不得表述为"代码是更好的视频描述"；不得引用任何分数、基线、数据集规模 ⚠3。

🆕 增量 4：arXiv:2610.37037 Zooming without Zooming v2 — "多模态长上下文"的核心能力被定义为一个可迁移的通用层 ★ 本轮方法论含量最高的一条

  • 来源：inbox/tom/2026-10-29T0840-agent-rag-longcontext-radar.md（tom 雷达·高价值工作第 3 条）· https://arxiv.org/abs/2610.37037
  • 要点（据 tom 雷达的二手摘要，tom 自陈"仅见摘要"）： 1. 问题定位——把空间感知与多模态长上下文理解归到同一底层能力："connecting evidence"。 2. 能力拆解——该能力包含：识别相关视觉事实 → 绑定到正确实体 → 恢复关系 → 组合成答案。 3. 主张——这类能力的定向训练数据比任务本身更易合成。 4. 推论——多模态长上下文不必逐任务造数据，可能存在可迁移的通用能力层。
  • 与活文档现有脉络的关系 ⚠3：
  • grep 核验：2610.37037 / Zooming 在 multimodal.md 中 0 命中，绝对净增。
  • 与 §3.63 MMProLong 的直接续接：R64 §3.63 记 MMProLong（arXiv:2605.13831）把 LVLM 长上下文问题下沉为训练期数据配方问题（LongPT：7B 32K→128K，无需任务专属监督，泛化到 needle 检索/图文压缩/长视频理解）。Zooming v2 是同一命题的下一段：MMProLong 主张"长上下文可以用配方解决"，Zooming v2 主张"长上下文真正缺的是 connecting evidence 这个通用能力，而它的定向数据比任务数据更容易合成" ⚠3。两条构成 R65 最可能的主线候选之一。
  • 与 R64 T46/TAS 的反向关系：R63 T46 主张"视觉 grounding 是 MLLM 上下文学习的前置条件"（2610.30592，用注意力代理指标 TAS 度量）。Zooming v2 把 grounding 从"前置条件"升级成"多模态长上下文的一等能力单元"，并把它细化为四步可分解流程（识别→绑定→恢复→组合）。这是本库第一次看到一个 grounding 方法被拆成"证据链的组装步骤"而非"注意力的落点" ⚠3。
  • 与 §3.71 KEEP-Bench 的张力：R64 §3.71 记 KEEP-Bench（2610.26827）是"上下文压缩的证据保全评测"，并留了 HY-W101"KEEP-Bench 的证据保全指标能否直接迁移到多模态长上下文"。Zooming v2 恰好把这个问题从"评测指标能否迁移"侧转成"能力能否被合成训练"侧——如果 connecting evidence 能被定向合成，压缩策略就有了一个明确的优化目标；如果不能，压缩就只能在"截断 vs 保全"间二选一。 ⚠3 HY-W101 可以从"待核"升级为"两篇并行待核"。
  • 建议归入哪一节：§3.97 立标段（tom 二手摘要级）· §3.63 MMProLong 条目加互指 · §4 开放问题 HY-W101 升级为并行双指向 · §5 共识不新增（单来源、摘要级，不足以立共识）。
  • 证据边界 ⚠3：tom 雷达二手摘要级，未读全文；tom 自陈"是否真能泛化需看完整实验与评测设置"。不得引用任何数据规模、合成数据量、泛化指标 ⚠3。

🆕 增量 5：arXiv:2610.37624 Rare, Relevant, and Still Wrong — "筛选依据"与"判别力"的分离，是 RAG/记忆筛选的一条硬约束

  • 来源：inbox/tom/2026-10-29T0840-agent-rag-longcontext-radar.md（tom 雷达·高价值工作第 1 条）· https://arxiv.org/abs/2610.37624
  • 要点（据 tom 雷达的二手摘要）： 1. 问题——把群体讨论压缩成给决策者的短记忆时，"保留最罕见主张"与"保留与决策标准最相关主张"两种直觉都看似合理，但事实被多少模型持有与它是否有用高度混淆。 2. 做法——构造 CrossProfile 诊断集：60 个模板 · 自动校验答案；把支撑事实 / 诱饵事实 / 无关事实的"归属"交叉排列而文本固定，展开成 480 个任务；在 Qwen2.5-7B、Llama-3.1-8B 与两个 DeepSeek 上测。 3. 结论——仅按"稀有度"或"表面相关性"做上下文筛选都不可靠，需要显式区分"谁说的"与"是否有判别力"。
  • 与活文档现有脉络的关系 ⚠3：
  • grep 核验：2610.37624 / CrossProfile 在 multimodal.md 中 0 命中，绝对净增。
  • 与 R63 T50"记忆是结构化策略组件而非上下文长度问题"（2610.29560）的关系：R63 已把记忆从"塞进 prompt"升级为"结构化地记下来并被使用"。本条补上了这个结构化组件的"选择准则"该长什么样——不是按稀有度、不是按表面相关性，而是按判别力 ⚠3。T50 讲记忆的结构，37624 讲结构里该留谁。
  • 与 R63 T48"检索质量 vs 答案忠实度两种不同的最优设计方向"（2610.29722 LASAGNA）的关系：LASAGNA 把 RAG 拆成可组合因子并做 450 组配置，但它没有回答"在给定候选池里选哪几条"。37624 用一个可控合成诊断集（归属交叉、文本固定）正是 LASAGNA 所缺的那类"可控消融"设计——归属与内容解耦，正是分离"检索命中"与"答案有用"的必要条件 ⚠3。这条可以反过来给 LASAGNA 的 W66 提供实验设计建议。
  • 一条重要的边界提醒：本条是纯文本任务（hidden-profile 群体决策），不是多模态。它对 multimodal 主轴的价值是方法论可迁移（"谁说的 ≠ 有判别力"这条区分在多模态多源证据融合里同样成立），不是多模态方法学增量 ⚠3。
  • 建议归入哪一节：§3.97 立标段（标"agent/RAG 轴 · 方法论可迁移至多模态"） · §3.83 LASAGNA 条目加互指 · §4 开放问题新增一条："多模态证据融合中，'来源归属'与'判别力'能否像 37624 那样解耦构造？"
  • 证据边界 ⚠3：tom 雷达二手摘要，未读全文；tom 自陈"hidden-profile 属合成诊断任务，与真实检索语料的多跳噪声不等价，结论外推需谨慎"。60 模板 / 480 任务 / 4 个被测模型这些数字来自 tom 转述的摘要，未核原文 ⚠3。

🆕 增量 6：arXiv:2610.37255 Your Policy Is Secretly a Harness — "harness 是策略的一部分"，与一条外部 Substack 线索直接冲突

  • 来源：inbox/tom/2026-10-29T0840-agent-rag-longcontext-radar.md（tom 雷达·高价值工作第 2 条）· https://arxiv.org/abs/2610.37255 · 补充线索：https://cobusgreyling.substack.com/p/agent-model-harness
  • 要点（据 tom 雷达的二手摘要）： 1. 问题——"策略从 harness 学到了什么、换 harness 后还剩什么"。 2. 做法——在 KL 正则控制下，最优策略的 log odds 可还原 harness 对各动作的偏好强度。 3. 结论——被训出的策略携带了 harness 的偏好，因此部署到新 harness 时的迁移不是默认成立的。 4. 工程含义——把 prompt / 工具 / 控制逻辑从"外壳"重新定位为策略的一部分。
  • 与活文档现有脉络的关系 ⚠3：
  • grep 核验：2610.37255 在 multimodal.md 中 0 命中，绝对净增。
  • 与 R63 T50 / §3.85 记忆 harness（2610.29560）是同一族——R63 已把"记忆"重定位为"结构化策略组件"，本条把"harness"重定位为"策略的组成部分"。两者合起来指向一条本库尚未成型的轴：agent 的"外围代码"不是外围，是策略本身。
  • ⚠️ 本轮最明确的一处外部矛盾（见 §2 第 1 条）：tom 自己标注了这条张力——Cobus Greyling 的 Substack《Agent = Model + Harness》主张跨 harness 方差会随模型变强而收敛，与"策略携带 harness 偏好"存在张力。一篇 arXiv 论文说"迁移不默认成立"，一篇 Substack 说"模型变强就收敛"——两者对同一现象给出相反的预期方向。 ⚠3 这是今晚最值得警惕的一条待核实说法。
  • 与增量 7 Memory Tax 的呼应：Memory Tax（2610.34073）问"agent 记忆的净价值"——如果 harness 本身携带策略偏好，那么记忆也是 harness 的一部分，其净价值同样不是"越多越好"。三条（harness / 记忆 / 筛选准则）共同指向"agent 外围组件的边际价值需要被单独度量"。
  • 建议归入哪一节：§3.97 立标段（标"agent 轴 · 对 multimodal agent 亦适用"） · §3.85 记忆 harness 条目加互指 · §4 开放问题新增一条（与 Cobus Greyling 线索的冲突）。
  • 证据边界 ⚠3：tom 雷达二手摘要，未读全文；tom 自陈"结论建立在 KL 正则化的理想化设定上，摘要未提供真实训练规模下的迁移实测"。⚠️ KL 正则化本身会直接压掉策略对 harness 偏好的偏离——这与论文结论存在方向性张力，tom 已标出但值得活文档再记一次。

🆕 增量 7：arXiv:2610.34073 Memory Tax + arXiv:2610.32046 Test-Time Memory Evolution + arXiv:2610.24520 HABIT-Bench — agent 记忆的三件套：净价值 / 演化 / 弱证据诱导

  • 来源：inbox/tom/2026-10-29-0900-hf-daily-2026-10-29.md（Memory Tax 124▲ · https://arxiv.org/abs/2610.34073；Test-Time Memory Evolution 110▲ · https://arxiv.org/abs/2610.32046；HABIT-Bench 79▲ · https://arxiv.org/abs/2610.24520）
  • 要点（仅据标题 + 列表位置）：
  • Memory Tax —— "Dissecting the Net Value of Agent Memory"。把 agent 记忆的"净价值"拆开来解剖——即记忆不是越多越好，存在一个可度量的成本-收益结构。
  • Test-Time Memory Evolution —— "Can Test-Time Memory Evolution Outperform Test-Time Training for Scientific Discovery?"（标题即问句）。在测试期演化记忆 vs 在测试期训练模型，两条路线在科学发现任务上的对比。
  • HABIT-Bench —— "Evaluating Habit Induction from Longitudinal Weak Evidence in Agent Memory"。从长程的弱证据里诱导出"习惯"——记忆评测的一个具体子能力。
  • 与活文档现有脉络的关系 ⚠3：
  • grep 核验：三个编号在 multimodal.md 中 0 命中，绝对净增。
  • 与 R63 T50 / §3.85（2610.29560）构成完整的一组：R63 立了"记忆是结构化策略组件"；本轮补上三块拼图——净价值（Memory Tax）· 何时该用哪种（Test-Time Memory Evolution）· 一种具体能力（HABIT-Bench） ⚠3。
  • Test-Time Memory Evolution 与 R64 FCP 的跨线同构：FCP（2610.29989）在训练期改监督形状、推理期移除辅助分支；本条在测试期演化记忆。两者都在问"能力提升该放在训练期还是推理期"——R64 C45"结构可重排"若要延伸到推理期，测试期记忆演化就是最直接的候选路径 ⚠3。这是本轮最有可能把 R65 主线接上 R64 的一条。
  • Memory Tax 与增量 5（2610.37624 筛选准则）同族：一个说"记忆的净价值可度量"，一个说"记忆里该留谁"——两者合起来是 agent 记忆的完整成本-收益模型 ⚠3。
  • ⚠️ 主轴归属提示：这三条都是纯文本 agent 记忆，不是多模态。它们对 multimodal 主轴的价值是方法论迁移（多模态 agent 的记忆同样需要净价值度量与筛选准则），不是多模态方法学增量 ⚠3。
  • 建议归入哪一节：§3.97 立标段（合并三条，标"agent 记忆轴 · 方法论可迁移"） · §3.85 记忆 harness 条目加互指 · §5 共识不新增（三条均标题级）。
  • 证据边界 ⚠3：全部标题级。Memory Tax 与 HABIT-Bench 标题为陈述句但无任何数值；Test-Time Memory Evolution 标题为问句。不得表述为"记忆演化优于测试期训练"（那正是问句）⚠3。

🆕 增量 8（结构性）：arXiv:2006.11477 wav2vec 2.0 — 经典回召，但本轮是唯一"speech 自监督"模态入口

  • 来源：organized/paper_cards/1816-2006-11477.md · https://arxiv.org/abs/2006.11477 · 9671 S2 / 2370 OA / 3443 影响力 · DOI 10.48550/arxiv.2006.11477 · OpenAlex 更新 2026-10-29 · 主分类 multimodal · 形态 method · 主题 engineering
  • 要点（据 paper card TLDR，卡片未含摘要原文）：首次证明"仅从语音音频学习出强表示、再在转写语音上微调"，可以超过当时最好的半监督方法，且概念上更简单。
  • 与活文档现有脉络的关系 ⚠3：
  • grep 核验：arXiv:2006.11477 在 multimodal.md 中 0 命中（不在 §2.1 arXiv baseline，也不在 §2.4 DOI baseline）——这是本轮唯一一个"编号与 DOI 双双不在册"的经典条目 ⚠3。
  • 它与同批的 ILSVRC（1409.0575）形成一对：ILSVRC 是"视觉识别的数据集与挑战赛"（44k+ 被引），wav2vec 2.0 是"语音自监督表示学习"（9.6k 被引）。本库 R64 §3.79 已把 ILSVRC 立标时明确标注为"历史影响而非当期方法学增量"——本条同属该类。
  • 但本条的增量性质与 ILSVRC 不同：ILSVRC 在库里已有完整立标段，本条是纯编号未入册。它给本库补上了一个模态缺口——R64 §3.94 SheetSage2 是"唯一的音频/音乐模态立标"，本条是语音模态的自监督起点 ⚠3。
  • ⚠️ 特别提示：OpenAlex 更新日期 2026-10-29 = 今天。这极可能是采集侧的常规刷新，不是"该论文今天发生的变化"。按 R61 起确立的纪律，被引/元数据变动不构成新观点 ⚠3。今晚立标时只能写"该编号此前未入册，本次补立"，不能写"该论文近期有新进展"。
  • 建议归入哪一节：§3.97 立标段（标"经典回召 · 语音自监督 · 模态补缺"），措辞须与 §3.79 ILSVRC 一致地标明"历史影响而非当期方法学增量"。§2.1 arXiv baseline + §2.4 DOI baseline 建议同步补登（两处当前皆无）。
  • 证据边界 ⚠3：paper_card TLDR 级；卡片不含摘要原文、不含实验细节；9671/2370/3443 三个数字来自 Semantic Scholar / OpenAlex 的采集截面，属引用指标而非观点；DOI 与 arXiv 号未核 ⚠3。

🆕 增量 9（弱净增）：liuhaisi2026212-maker/taishang-laojun — 又一条主题标签误分类样本

  • 来源：organized/repo_cards/4702-liuhaisi2026212-maker-taishang-laojun.md · https://github.com/liuhaisi2026212-maker/taishang-laojun · 210★ · 周增 +0 · Markdown · 许可 NOASSERTION · 最近提交 2026-10-28 · 首次采集 2026-10-28 · 成熟度 experimental · 形态 app · 主分类 agent · 主题 agent, multimodal · 分类 trending
  • 要点（据卡片简介自述，README 未读）："太上老君·AI 炼丹炉：抖音/小红书短视频创作 Skill"。功能罗列：找对标拆爆款、选题、系列策划、口播稿、标题、复盘、去 AI 味；支持 Claude Code / Codex 等 npx 一行安装，豆包等聊天智能体用 Bot 版。
  • 与活文档现有脉络的关系 ⚠3：
  • grep 核验：taishang-laojun 在 multimodal.md 中 0 命中，绝对净增。
  • 主题归属可疑：这是一条短视频创作 Skill，落在内容运营/文案域。卡片 主分类: agent（合理），但 主题 含 multimodal。与 flyp 10-26（wipeout_pc / cleanyourtv）和 10-28（academic-writing-skills）构成连续三天的第三族"主题标签噪声"样本 ⚠3。本库的主题贴标闸门对特定词族系统性误触发，这已是第四例。
  • 它与 R64 §3.74"Skill 化 repo"一节的关系：R64 §3.74 已记 motiontemplates/all 与 UnderleveledBuilder/awesome-short-drama-skills（71★ +0），本条是同一族的第三个样本——"短视频内容生产 skill 化"。若并入，§3.74 可从"两条样本"升级为"一条趋势" ⚠3。⚠️ 但注意 §3.74 当初已标了"抽象层次不同、存在命名幻觉风险、周增 +0 是注意力信号非采用信号"——本条 210★ / +0 / Markdown / NOASSERTION / experimental 完全符合这组警示特征。
  • 一条可迁移的具体观察：卡片简介里"去 AI 味"是一个在本库其他材料中从未出现过的能力项——它不是"生成"能力，而是"降低生成痕迹"的能力。这个方向与本库已收录的 reduce-aigc-trace 类工作（用户侧 skill）同族，但本库活文档里没有对应条目 ⚠3。
  • 建议归入哪一节：§3.95 off-axis 登记区，明确标注"主题疑似误分类（短视频运营域）"· 建议并入 §3.74 作为第三条样本，而非新起立标段。
  • 证据边界 ⚠3：纯元数据级；README 未读；"去 AI 味"是产品功能名，非能力证据；210★ / +0 周增 / NOASSERTION / experimental 全部是采集侧标签 ⚠3。

§2 值得警惕的矛盾或待核实说法（6 条）

  1. ⚠3（P1 · 跨来源直接冲突）"harness 偏好是否随模型变强而收敛"——论文与 Substack 给出相反方向——2610.37255（论文）主张最优策略的 log odds 可还原 harness 的偏好强度，因此换 harness 后迁移不默认成立；Cobus Greyling《Agent = Model + Harness》（Substack，tom 作为补充线索给出）主张跨 harness 方差会随模型变强而收敛。→ 两者不是程度差异，是方向相反 ⚠3。今晚不得引用任何一方作为"harness 迁移性"的定论。 更值得警惕的是：论文自身的设定是 KL 正则化——KL 正则会主动压掉策略对 harness 偏好的偏离，这与论文结论存在方法论层面的自洽性张力，tom 已标注但值得活文档再记一次 ⚠3。待核项：Substack 论点是实证还是思辨？论文是否有非 KL 设定下的实测？

  2. ⚠3（P1 · 前提级）R64 §3.91 NAMVIS 的整个技术路线建立在一个从未被检验的前提上——"离散视觉 token 语义无损"——2610.37662 把这个前提显式摆上提问台面（标题级）。→ 若前提不成立，NAMVIS"避免迭代去噪"的收益上限被编码载体本身锁死，R64 C45"生成过程的结构是可重排资源"也需要附加"结构可重排 ≠ 信息可无损流经结构"这半句 ⚠3。这是本轮对既有立标冲击最大的一条，但证据仅标题级，不得改写 §3.91 的现有结论，只加互指与待核标记。

  3. ⚠3（P1 · 表述级）本轮 21 个 net-new 编号中，标题级证据占 19 个——HF Daily 是纯标题+票数清单，tom 雷达是二手摘要。唯一有卡片 TLDR 的只有 2610.12307 / 2006.11477 两件。→ 今晚若按 7 条主轴立标全部立标，本库将在同一轮内引入 19 个标题级立标——这与 R61–R64 四轮"全部为 TLDR/片段/摘要级但逐条标注证据级别"的做法一致，但数量级跃升是新的 ⚠3。强烈建议：19 个标题级条目中，只有 7 条进入 §3 正文立标，其余一律进 §3.95 登记区并标"标题级"。

  4. ⚠3（P2 · 采集边界）本轮出现两处"今天变了但不是观点变了"的样本——① wav2vec 2.0 卡片的 OpenAlex 更新日期 2026-10-29 = 今天，但内容为 2020 年经典论文，属常规刷新；② taishang-laojun 首次采集 2026-10-28 / 最近提交 2026-10-28 / 周增 +0 / 210★。→ 按 R61 起确立的纪律：被引数变化、元数据刷新、star 快照一律不构成新观点 ⚠3。今晚立标只能写"该编号此前未入册，本次补立"，绝不能写"该论文近期有新进展"。

  5. ⚠3（P2 · 一致性 · 跨轮次）本轮出现了"多模态主轴"的两种截然不同的材料画像——① tom 笔记贡献的 21 个 net-new 编号、7 条论文级方法学/评测条目；② jay 两份笔记贡献的 0 条主轴命中（blogs-discovery 3 条全 off-axis：RAG 工程化 / 学术写作 / 平台选型；X 雷达 3 条中 2 条虽是多模态但仅标题级）。→ 对比 flyp 10-26 与 10-28 两轮简报"主轴净增 0、供给偏向工具层"的结论，本轮由 tom 人工筛选雷达 + HF Daily 供给的方法学材料彻底反转 ⚠3。这印证了 R63 已经记录的"人工筛选型雷达稿产出效率高于未筛选 RSS feed"——本轮把该判断的适用面从"radar vs feed"进一步推到了"radar + 精选清单 vs 博客/社交线"。

  6. ⚠3（P2 · 引用边界）本简报未开网页检索，以下内容一律不得在今晚被当作已核实事实引用——① 19 个标题级编号的任何方法细节、指标、数据集规模、模型清单；② X 雷达两条的 t.co 短链对应论文的作者、机构、仓库（https://t.co/rNQOBFqi81 / https://t.co/mvEgnsy8JB 不得凭标题推测具体论文编号）；③ 2006.11477 的摘要原文与实验细节（卡片只有 TLDR）；④ 2610.37255 与 Substack 线索的任何量化迁移结果。⚠3

§3 可引用的 arXiv 号列表（本轮 net-new 21 个）

grep 逐一核验：organized/knowledge/multimodal.md §2.1 arXiv baseline 中，以下 21 个编号全部 0 命中 → 全部 net-new。

arXiv 号 名称 主轴归属 引用级别
arXiv:2610.37662 Can Discrete Tokens Serve as Semantically Lossless Representations of Visual Signals? 生成侧 · C45 前提冲击 标题级（问句） ⚠3
arXiv:2610.34283 ChronoReplay: One Answer Interface Is Not Enough for Streaming Spatial Intelligence 生成侧 · 输出接口 标题级 ⚠3
arXiv:2610.35864 VibeVideoBench: Evaluating Multimodal Agents on Code-Driven Video Generation 评测协议 · 代码即 IR 标题级 + tom 一行判读 ⚠3
arXiv:2610.37341 CodeCap-Bench: Can Code Serve as a Good Video Caption? 评测协议 · 代码即 IR 标题级（问句） ⚠3
arXiv:2610.37037 Zooming without Zooming v2 长上下文 · connecting evidence tom 二手摘要级 ⚠3
arXiv:2610.37624 Rare, Relevant, and Still Wrong agent 记忆/RAG · 筛选准则 tom 二手摘要级 ⚠3
arXiv:2610.37255 Your Policy Is Secretly a Harness agent · harness 即策略 tom 二手摘要级 ⚠3
arXiv:2610.34073 Memory Tax agent 记忆 · 净价值 标题级 ⚠3
arXiv:2610.32046 Can Test-Time Memory Evolution Outperform Test-Time Training for Scientific Discovery? agent 记忆 · 推理期演化 标题级（问句） ⚠3
arXiv:2610.24520 HABIT-Bench agent 记忆 · 弱证据诱导习惯 标题级 ⚠3
arXiv:2610.36077 The Trinity: Capability-Driven Recursive Self-Improvement for Multimodal Agents 多模态 agent 自改进 标题级 + tom 判为低优先 ⚠3
arXiv:2610.37381 PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations 具身 VLA 标题级 ⚠3
arXiv:2610.36729 Hy-Nomas: Towards Free-form Interactive World Generation 世界生成 · 交互 标题级 ⚠3
arXiv:2610.37666 ThinkWorld: World Imagination Reinforces Chain-of-Dynamics Reasoning 世界模型 · 推理 标题级 ⚠3
arXiv:2610.36456 LociArt: A Unified Paradigm for Free-Style Local Video Stylization 视频生成 · 局部风格化 标题级 ⚠3
arXiv:2610.33066 OvisOCR3 Technical Report 文档 OCR · 技术报告 标题级 ⚠3
arXiv:2610.26030 Truncate or Not? A Scaling Study of Looped Transformers with Truncated Backpropagation 架构 · 循环 Transformer 标题级 ⚠3
arXiv:2006.11477 wav2vec 2.0 语音自监督 · 模态补缺 paper_card TLDR 级 ⚠3
arXiv:2610.12307 BudgetPix: Compute-Adaptive Tokenization for Pixel-Space Image Diffusion 生成侧 · 自适应 tokenization paper_card TLDR 级 · 编号已在册、正文无立标段 ⚠3
arXiv:2610.37386 Channel Selection for Mixture-of-Experts Decoding Needs No Calibration Data 推理基础设施 · off-axis 标题级 ⚠3
arXiv:2610.35962 h1: A Taste of the Bitter Lesson in Automated Theorem Proving 自动定理证明 · off-axis 标题级 ⚠3

已锚 / 不得重复立标：arXiv:1409.0575（ILSVRC · §3.79 完整立标 · 43920 S2 / 528 OA / 5094 影响力）· arXiv:2610.29989（FCP · §3.89）· arXiv:2610.12458（OmniCapBench · §3.90）· arXiv:2610.04722（NAMVIS · §3.91）· arXiv:2610.03308（T3lescope · §3.92）· arXiv:2610.02832（FastOPD · §3.93）· arXiv:2610.05336（SheetSage2 · §3.94）· arXiv:2605.13831（MMProLong · §3.63）· arXiv:2610.29560（记忆 harness · §3.85）· arXiv:2610.29722（LASAGNA · §3.83）· arXiv:2610.30592（TAS · §3.82）· arXiv:2610.26827（KEEP-Bench · §3.71）· arXiv:2404.02905（VAR · NAMVIS 祖先）· arXiv:2610.13361（AgentSWE · §3.96）

arXiv baseline 建议变动：873 → 894（+21）（建议，非本次动作）。 §2.2 URL baseline 建议补登：+21 条 https://arxiv.org/abs/<id>（当前 §2.2 只收了立标件的 URL，19 个标题级编号目前无 URL 记录 ⚠3）。 §2.4 DOI baseline 建议补登：10.48550/arxiv.2006.11477（wav2vec 2.0 卡片给了 DOI，但活文档 §2.4 现无此条；10.48550/arxiv.2610.12307 同理，两张卡片的 DOI 均未入 DOI baseline ⚠3）。

§4 本轮检查过的来源清单（供今晚接力轮追溯）

清单材料（8 项全部已读，未跳读）： - inbox/tom/2026-10-29-0900-hf-daily-2026-10-29.md（HF Daily 15 篇，按票数序，逐条标题核对） - inbox/tom/2026-10-29T0840-agent-rag-longcontext-radar.md（tom 文献雷达 8 篇 + 1 条 Substack 补充线索） - organized/paper_cards/1775-2610-12307.md（BudgetPix） - organized/paper_cards/1806-1409-0575.md（ILSVRC） - organized/paper_cards/1816-2006-11477.md（wav2vec 2.0） - inbox/jay/2026-10-28T1335-blogs-discovery.md（3 条：2 已核查 + 1 待查） - organized/repo_cards/4702-liuhaisi2026212-maker-taishang-laojun.md - inbox/jay/2026-10-28-1140-news-x-tech-radar.md（3 条：2 干货候选 + 1 观点型线索）

活文档与队列：organized/knowledge/multimodal.md（R64 全文 + 24 次 grep 逐编号核验）· organized/queue/work-queue.md（multimodal 相关行 2 处：L15 "multimodal：3天未更新"、L32 flutter_edge_ai 周增 +0 条目）

上轮同主题简报（用于去重与口径对齐）：inbox/flyp/2026-10-28-multimodal-e1prep.md（10-28 增量 5 条 / arXiv 净增 0 / 4 条矛盾）

未做：未开网页检索（无 web_search / web_fetch）· 未读任何 repo README · 未读任何 arXiv 摘要页或全文 · 未展开 t.co 短链 · 未试跑任何仓库 · 未读密钥或私密文件 · 未 git / gh · 未创建子任务 · 未修改活文档 / 清单 / 基线 / 认领记录 / 他人目录 / 定时配置。

§5 今晚接力轮的四个动作建议（按性价比排序）

  1. 先定 R65 主线归属，再动立标段——本轮 7 条主轴候选里，只有 2610.37662 / 2610.37666 落在 R64 的"生成过程结构可重排"上，其余 5 条落在"评测单元与输出形态（2610.35864 + 2610.37341 + 2610.34283）· 长上下文证据连接（2610.37037）· 记忆与 harness（2610.34073 / 2610.32046 / 2610.37624 / 2610.37255）· 具身 VLA（2610.37381）"四支线上。建议今晚把 R65 主线写成"生成过程之外的证据与输出结构"，并在 §0 显式记录它与 R64 的关系（分叉而非替代） ⚠3 —— 这比先立 7 条标更重要。
  2. §3.91 NAMVIS 补一句"离散化前提被质疑"互指 + §4 新增一条开放问题——2610.37662 是本轮唯一能反过来修改既有立标解读的条目，它的价值不在新增，而在给 NAMVIS 加一条待核边界 ⚠3。注意只加互指、不改 §3.91 的现有结论（证据仅标题级）。
  3. §3.90 OmniCapBench 补"代码即 IR"互指 + §5 共识新增一条"输出形态是可设计变量"——CodeCap-Bench 是 R64 C47"评测单元粒度"主线的直接续接，且与 flyp 自己在 10-28 简报里记的"中间表示即产物契约"跨轴互证（那条当时被判 off-axis，本轮从学术侧得到印证）⚠3。
  4. arXiv baseline 873 → 894、URL baseline 补 21 条、DOI baseline 补 2 条——这是本轮体量最大的一次 baseline 变更 ⚠3。建议分两步做：先把 19 个标题级编号入 §2.1/§2.2（入库不等于立标），把 7 条候选的立标段单独处理——避免"一次上 21 条立标"把证据级别差异抹平。

另建议：§3.74 补 taishang-laojun 作为第三条 skill 化 repo 样本（并标注"主题疑似误分类"）；§3.95 补 2610.37386（MoE 解码·off-axis）与 2610.35962（自动定理证明·off-axis）两条登记。

本简报结束。 状态：已交付（非 partial）——清单 8 项 materials 全部处理完毕，9 条增量全部有可核查出处（7 条论文级 + 1 条结构性 + 1 条弱净增）；arXiv net-new 21 个（873→894）；无无法整合的材料。证据级别差异已在每条内显式标注（19 条标题级 / 2 条 TLDR 级 / 2 条二手摘要级），未把采集时间或被引变化当作新观点。