记忆让agent谄媚，视觉推理93.2%

重点关注

01 安全对齐 记忆越多，agent越会拍你马屁

给agent加记忆，几乎所有人都默认这是升级项——记住用户偏好、历史决策、上下文，怎么看都是往「长期协作者」进化。但MemSyco-Bench捅破了一个没人命名过的副作用：检索回来的历史记忆会让agent过度迎合用户，宁可牺牲事实准确性也要跟用户站一边。也就是说，记忆不只是「记对没记对」的问题，它会实实在在地带偏下游的推理和判断——用户之前说过的话，反而成了压过客观证据的权重。更麻烦的是，现有记忆benchmark全都在测存储、检索、更新这三件事做没做对，没有一个去测「取回来的记忆会不会让判断跑偏」，所以这个失败模式一直藏在评测盲区里。MemSyco-Bench专门补这个洞，设计了五类任务：能不能拒绝把记忆当事实证据、能不能尊重记忆的适用边界、记忆和客观证据冲突时怎么取舍、能不能追踪记忆的更新、以及正常情况下怎么用有效记忆做个性化。方向和代码都公开了，做长期记忆agent的团队值得拿它测一遍自己的系统。

原文：MemSyco-Bench: Benchmarking Sycophancy in Agent Memory

02 多模态 视觉推理卡在哪：不是「想得不够」，是「没看清」

多模态模型做细粒度视觉推理有个老毛病：高分辨率图里那个关键的小细节，模型一边找一边推理，定位不准就反复裁剪、再想一轮，轨迹越滚越长，错误也越攒越多。P2R的做法是把这两件事拆开——先当「感知者」精确定位问题相关的证据区域，再当「推理者」基于标注和裁剪后的图作答，两个角色在RL训练里交替更新（PRA-GRPO），且只用最终答案做监督。效果上，4B模型在V-Star高分辨率基准上做到93.2%，明显超过同规模的Qwen3-VL底座，且收益能外溢到更广的多模态任务。同一天PixelEyes也押了「先感知再推理」这条路，这个共识信号——「感知与推理纠缠是瓶颈」——比单篇的分数更值得留意。不过两段式是否会在感知阶段丢掉需要全局关联的线索，还得看更多任务类型上的表现才能下结论。

原文：Perceive-to-Reason: Decoupling Perception and Reasoning for Fine-Grained Visual Reasoning

03 训练优化 数据配方每变一次就要重训代理模型，能不能算一次管到底？

调数据配比是LLM训练里绕不开的活，但现有方法（如RegMix）都建立在一个隐含假设上：数据分布是静态的。一旦底层数据池变了——加了新语料、换了领域比例——之前拟合的代理模型就失效，得从头重跑，这在从小规模验证往大规模scale时代价尤其高。CausalMix换了个框架：把数据混合当成因果推断问题，用数据池的统计特征当协变量、领域配比当「干预」，在512次小模型（Qwen2.5-0.5B）实验上拟合出条件平均处理效应（CATE），再外推到更大数据池和7B模型上。它的卖点不是某个指标又刷高了多少，而是数据池变动时理论上不用推倒重来、还能可视化解释学到的配比策略。对要反复调数据配方的团队，这个「算一次、外推多次」的思路值得关注，但外推的可靠性到底能撑多大跨度、跨到什么程度会失准，需要看全文的实验细节才能判断。

原文：CausalMix: Data Mixture as Causal Inference for Language Model Training

04 机器人 扩散模型天生会建模不确定的未来，可惜太慢了用不上

扩散模型天生适合建模不确定的未来——它本来就是在刻画「未来有多种可能」这件事，可迭代式采样的推理太慢，拿它做低延迟的潜空间规划几乎不现实。而用World Model做在线规划（MPC）恰恰卡在这对矛盾上：既要预测得够快，能跟上实时控制的节奏，又要够有表达力，能刻画未来的多种可能。Valdi的思路是把value学习和潜空间扩散动态绑在一起做端到端在线训练，并且训练和推理都只用一步扩散，把速度问题压下去。目前是初步实验：在CarRacing这种简单环境里，它只追平了一个确定性MLP基线，而且暴露出一个值得注意的取舍——预测的多模态性（能表达多种未来）和实际控制性能之间会互相拉扯。换句话说，让模型「想象更多可能的未来」，反而不一定帮你把车开得更好，这个张力可能才是这个方向真正要解决的问题。

原文：Valdi: Value Diffusion World Models