CERA-MoA · 脚本镜像 · 2609.18779

日期 / 轮次:2026-09-18 · R2 午棒 arXiv:abs/2609.18779 v1 video-kb 脚本原路径:/shared/video-kb/scripts/tom/2026-09-18_R2_cera-moa-router-agent_short-video-script.md

1. 标题与观众

  • 标题:CERA-MoA,协同进化破静态路由
  • 副标题:CERA-MoA · Router × Agent · 同一 RL 循环 · 共进化 · 静态路由范式系统性修正
  • 目标观众:AI 工程师 + 技术产品经理(LLM Agent 编排 / MoA / 路由策略 / RL 后训练方向)
  • 一句话核心观点:MoA 范式的真正瓶颈不是 Agent 能力,而是 Router 永远跟不上 Agent 进化——把两者放进同一 RL 循环是系统性修正。

3. 45-90 秒口播稿

220-360 个中文字符 · 开头 5 秒冲突意识 · 结尾可执行动作 · 字幕层叠加 W-CERA-MOA-ROUTER-AGENT-R2-Caution 1-10 基础 10 件套 + FlyP 补充 11-14 = 14 件套 verbatim 命中

MoA 用两年,你以为瓶颈是 Agent 不够强。abstract 点穿:Router 跟不上 Agent 进化,把 query 派给已退化的 Agent。问题不在 Agent,在 Router。CERA-MoA 把两者塞进同一迭代 RL 循环——三件套:mid-layer hidden 做熟悉度估计绕开 full rollout;累积阈值 τ 激活最小必要 Agent 子集;按能力短板定向投喂样本强制能力分化。abstract 字面:outperforms 静态路由 + 固定 workflow 微调基线。但熟悉度层 / τ / benchmark / GitHub 均未给,先 PDF 核验再落地。今晚做一件事:在你的 MoA 编排里加每 1000 query 一次 familiarity drift 检测,比加 Agent 数量更有效。

4. 镜头分镜

7 scenes 结构化(hero / judgments / mechanism / evidence / limitations / actions / closing)· 屏幕文字每条 ≤ 18 字 · 字幕层叠加 W-CERA-MOA-ROUTER-AGENT-R2-Caution 14 件套 verbatim 命中

Scene 1 · Hero(0-7s)

  • 时长:7 秒
  • 屏幕文字:CERA-MoA,协同进化破静态路由(18 chars verbatim 命中 candidates §1 候选 1)
  • 画面元素:深色背景中央大字标题 + 副标题 Router × Agent · 同一 RL 循环 · 共进化 在标题下方 24px 处
  • 运动方式:标题从中心放大 1.0 → 1.05 弹性回弹 300ms,副标题淡入延迟 200ms

Scene 2 · Judgments(7-18s)

  • 时长:11 秒
  • 屏幕文字:路由跟不上 Agent 进化(10 chars)+ 派给已退化的 Agent(8 chars)
  • 画面元素:左侧 MoA 编排示意图 + 右侧「Router 假设 vs 实际」对比卡,中间红叉动画
  • 运动方式:左侧静态呈现 1s,右侧两行文字依次从右向左滑入,中间红叉从 0 缩放到 1.0
  • 字幕层叠加:W-Caution 1(familiarity 估计层 abstract 未给)+ W-Caution 6(arXiv-only Preprint)

Scene 3 · Mechanism(18-40s)

  • 时长:22 秒
  • 屏幕文字:mid-layer 估熟悉度(9 chars)+ τ 阈值选子集(7 chars)+ 定向样本分化能力(8 chars)
  • 画面元素:三件套流程图,左侧 familiarity estimator 头架构(标 ⚠️ abstract 未明层)+ 中间累积阈值选 Agent 动画(τ → 0.3 → 选中 2 个)+ 右侧能力向量分化柱状图
  • 运动方式:三个组件依次点亮 200ms 间隔,τ 滑块从 0.1 → 0.3 → 0.5 滑动,柱状图从 5 个等高 → 3 高 2 低 → 2 高 3 低
  • 字幕层叠加:W-Caution 2(τ 设定 abstract 未给)+ W-Caution 3(估计器训练信号 abstract 未给)+ W-Caution 4(定向分配触发 abstract 未给)+ W-Caution 5(avoid full rollouts 开销 abstract 未给)

Scene 4 · Evidence(40-55s)

  • 时长:15 秒
  • 屏幕文字:arXiv 18779 v1(14 chars)+ freshness 21h54m(11 chars)+ Zhixuan Fang(12 chars)
  • 画面元素:证据卡三件套 = arXiv ID 卡 + freshness 时间轴 + first author 字面截图,底部小字 9 句 abstract 字面 verbatim 命中
  • 运动方式:三卡从左到右依次滑入,间隔 300ms,底部数字 0 → 9 计数动画
  • 字幕层叠加:W-Caution 6(arXiv-only Preprint · 实测本日)+ W-Caution 7(GitHub abstract 未给)

Scene 5 · Limitations(55-72s)

  • 时长:17 秒
  • 屏幕文字:原文未明 14 件(7 chars)+ 层 · τ · 训练信号(9 chars)+ benchmark · 算力(11 chars)
  • 画面元素:风险卡 5 个气泡 = familiarity 估计层 / τ 设定方式 / 估计器训练信号 / benchmark 全名 / 训练算力,每个气泡 ⚠️ 标红
  • 运动方式:5 个气泡依次从顶部弹出,每个间隔 250ms,弹出后停留 2s
  • 字幕层叠加:W-Caution 8(benchmark 全名未列)+ W-Caution 9(公开模型未列)+ W-Caution 10(算力 wall-clock 未列)+ W-Caution 11(capability collapse 程度未给)+ W-Caution 12(生产稳定性未明)+ W-Caution 13(长上下文失效风险)+ W-Caution 14(τ 自适应未明)

Scene 6 · Actions(72-83s)

  • 时长:11 秒
  • 屏幕文字:做一件事(4 chars)+ 每 1000 query(9 chars)+ drift 检测 告警(8 chars)
  • 画面元素:行动清单卡,左侧对勾 ✅ + 中间 3 步骤编号 + 右侧示例代码片段 kl(familiarity_now, familiarity_train) > 0.1 → alert
  • 运动方式:对勾从 0 描线到完整,3 步骤编号依次点亮,代码片段从右滑入
  • 字幕层叠加:沿用 abstract 字面 + W-Caution 11-14 FlyP 补充 4 件套 verbatim

Scene 7 · Closing(83-90s)

  • 时长:7 秒
  • 屏幕文字:CERA-MoA,协同进化破静态路由(18 chars verbatim 命中 candidates §1 候选 1 · closing 派生)
  • 画面元素:深色背景 + 标题字面居中 + 底部 Router × Agent · 同一 RL 循环 副标题
  • 运动方式:标题从中心缩放 1.05 → 1.0 定格,副标题底部上滑淡入