日期:2026-07-19 R3 · 主轮次脚本 arxiv:arXiv 2607.14387 v1(IROS 2026 已接受) 原路径:/shared/video-kb/scripts/tom/2026-07-19_R3_chat2scenic-iter-rag-nl2dsl-short-video-script.md
1. 标题与观众
- 标题:Chat2Scenic编译回灌
- 目标观众:AI 工程师 / 编译器 / DSL 工具链开发者
- 一句话核心观点:把 DSL 编译器的 stderr 回灌到下一轮检索,是 NL → DSL 命中率翻倍的关键。
3. 45-90 秒口播稿
自然语言生成 DSL 跑不到六成编译率。论文 arXiv 2607.14387 v1(IROS 2026)指出,问题不在模型大小,而在没人把 DSL 编译器的 stderr 当免费 gold signal 回灌。Chat2Scenic 用三源检索加编译反馈配 chatbot,把 CSR 从 30.08% 和 16.26% 拉到 76.42%,123 场景开源。今天:把 parser stderr 接到下一轮检索。
4. 镜头分镜
- 场景 1(0-7s · hero title):时长 7 秒,屏幕文字「Chat2Scenic编译回灌」,画面元素:深色背景加橙色 hero 标题卡加副标题「arXiv 2607.14387」,运动方式:hero 标题从下方淡入,字幕固定不动。
- 场景 2(7-15s · 三个判断点):时长 8 秒,屏幕文字「trade-off 真因 = parser stderr 被浪费」,画面元素:左侧三行判断点列表(每行一个动词),右侧一个红叉加绿勾示意,运动方式:三行依次从左侧滑入,红叉绿勾同步放大。
- 场景 3(15-26s · 编译反馈回灌机制):时长 11 秒,屏幕文字「生成 → 编译 → stderr → 回灌检索 → 再生成」,画面元素:循环流程图,五个圆角矩形加四个箭头形成闭环,中心标注「iterative RAG loop」,运动方式:箭头沿顺时针逐段点亮,生成框先高亮,再触发编译器图标报错红字。
- 场景 4(26-38s · 数字卡 76.42 vs 30.08 vs 16.26):时长 12 秒,屏幕文字「CSR 76.42% · 30.08% · 16.26%」(双行排版)、「FA 58.17% · 11.03% · 10.86%」,画面元素:三列对比卡,Chat2Scenic 列用橙色,两类 baseline 列用灰色,数字字号 36px,TTS 慢速,运动方式:数字逐个从 0 滚动到目标值。
- 场景 5(38-50s · 工程可移植性 4 类场景卡):时长 12 秒,屏幕文字「Text2SQL · K8s manifest · Terraform HCL · Scenic/CommonRoad/OpenSCENARIO」,画面元素:四个并列场景卡,每张一个图标加一句话结论,运动方式:四张卡依次从右侧飞入,落位后轻微高亮。
- 场景 6(50-62s · 风险卡 W22 跨版本差异):时长 12 秒,屏幕文字「论文 abstract = DSL · GitHub README = CARLA + Scenic」(双行排版)、「W22 跨版本差异 · 不得假装等价」,画面元素:左侧论文图标加 DSL 字样,右侧 GitHub 图标加 CARLA/Scenic 字样,中间一个不等号,运动方式:不等号左右两侧分别闪烁高亮。
- 场景 7(62-74s · 三问行动清单):时长 12 秒,屏幕文字「把 parser stderr 接到下一轮检索」、「跑三源检索 · 留 MAX_ROUNDS 之外的兜底」、「arXiv 2607.14387 v1 verbatim 限定语」,画面元素:三个 checkbox 列表,每个问题配一个对勾动画,运动方式:checkbox 依次勾选,行动清单整体上升淡出。