SimWAM达91.5，LoRA显存降43.9%

今日概览

SimWAM让视频专家退出部署链路：训练期借助视频生成学习动态规律，推理期仅保留轻量动作分支，在NAVSIM达到91.5PDMS并零样本迁移到nuScenes。
YOLO-PEFT将适配器位置变成约束规划问题，RS-LoRA在两款YOLO模型上超过全量微调、峰值显存降低43.9%，同时能识别不适合PEFT的架构。
多Agent取证的价值来自证据分工。 四个角色分别检查纹理、光照、运动和物理一致性，但跨越未知合成方法的泛化能力仍需验证。

重点关注

01 机器人把视频模型留在训练场，自动驾驶推理反而更轻

训练时借视频生成学习世界如何变化，推理时却把视频分支整个拿掉——SimWAM的价值就在这个反差里。它让预训练视频专家与轻量动作专家联合训练，再用隔离注意力保证轨迹预测不依赖未来画面，因此部署时只需保留能直接输出轨迹的动作分支。两个专家不共享参数，只通过统一的注意力接口交互，这意味着视频骨干可以替换、动作分支也能独立扩展，而不用重做学习目标和推理链路。作者还用强化学习优化组合式驾驶奖励，让模型不只停留在模仿历史轨迹。结果上，SimWAM在NAVSIM达到91.5PDMS，以显著更低的延迟超过此前基于世界-动作模型的规划器，并能零样本迁移到nuScenes。对部署团队来说，这是一条很实用的路线：把生成模型当成训练期教师，吸收动态规律后便不再为它的长期推理成本买单。更有意思的是，未来视频生成模型继续进步时，这类轻量规划器也可能直接受益，不过具体替换成本仍需看全文和代码确认。

世界模型不一定要进入线上推理链路，训练期提供动态先验也能创造价值轻量动作分支独立部署，更适合对延迟敏感的自动驾驶系统评估同类方案时，应重点看生成能力能否转化为规划收益，而不只是视频质量

原文：SimWAM: A Simple World Action Model for End-to-End Autonomous Driving

02 训练优化适配器插错位置，微调可能比全量训练更差

通用PEFT在实时检测器上会静默失效：训练流程照常运行，但异构算子、检测头语义和部署约束可能让适配器放在错误位置。YOLO-PEFT把模块选择改造成可审计的约束规划，为每个被排除的模块记录原因，并在方案不可靠时拒绝训练。按官方VOC07+12协议，规划出的RS-LoRA在YOLO11s和YOLO12s上分别达到0.7138和0.7307mAP50-95，高于全量微调的0.6428和0.6662。到了RT-DETR-L，测试的7种LoRA配置全部越过预设灾难阈值，系统因此建议回退到全量微调——这种「知道何时不用PEFT」的能力同样有工程价值。代价也很明确：LoRA峰值训练显存减少43.9%，训练时间却增至1.72倍，而且对未见检测器架构的拒绝判断仍需进一步验证。

检测器采用PEFT时，适配器位置应按算子、检测语义和部署约束共同决定可解释的拒绝机制能避免在不适合LoRA的架构上浪费训练预算显存下降不等于训练更快，选型时要同时核算时长与可靠性

原文：YOLO-PEFT: Parameter-Efficient Fine-Tuning on YOLO Family

03 安全对齐深伪检测漏掉的，可能不是模型能力而是取证视角

把所有伪造线索一次压成真假结论，可能正是深伪检测难以泛化的原因。这项工作让四个取证角色分别检查纹理、光照、运动和物理一致性，再由裁判汇总证据并给出解释；关键不在Agent数量，而在于不同线索能否保持相对独立。配套数据集包含10万段视频、覆盖33种换脸与人脸生成方法，细粒度标注则由多个模型自动聚合并消解冲突。摘要称，这套完全由小型开源多模态模型组成的框架，在域外测试中超过了GPT和Gemini等闭源模型，并在该基准报告的全部指标上排名第一。这个结果值得关注，但真正的考验仍是面对训练与评测体系未覆盖的新合成方法时，分工取证能否继续有效，而不只是更擅长当前基准。

评估深伪检测器时，应检查它是否保留纹理、光照、运动等独立证据小型开源模型通过结构化分工可能胜过更大的通用模型判断泛化能力要看真正未见的新生成方法，而不只看现有域外测试分数

原文：Multi-Agent Forensic Reasoning for Generalizable Deepfake Video Detection

也值得关注

长期角色一致性不等于人格永远不变，这项基准开始检验Agent经历生活事件后能否产生合乎心理学逻辑的变化。 Agent研究聚焦生活事件驱动的LLMAgent人格演化。链接

污染缓解后的总分回到原点仍可能掩盖逐题差异，论文主张用题目级概率变化审计「去记忆」是否真的恢复了原始能力。 评测方法采用分层逐题概率评估与分步缓解。链接

C4把难以量化的创意理解收窄为跨概念解码，试图评测模型能否读出表面无关概念之间的隐含联系。 多模态基准面向多模态大模型的跨概念理解能力。链接

Capek 0.5把具身智能的重点放回执行闭环：每次动作改变环境后，模型都要重新感知、推理并验证，而不是一次性生成完整计划。 机器人模型以执行为中心组织视觉语言推理。链接

今日观察

SimWAM、YOLO-PEFT与Capek 0.5共同显示，面向真实系统的模型设计正在从「先追求离线能力，再压缩部署」转向「先画清运行时依赖，再安排训练资源」。SimWAM把昂贵的视频专家留作训练信号，只让动作分支进入真实推理链路；YOLO-PEFT依据检测图、算子语义和预算决定适配器位置，并在方案不可靠时拒绝使用PEFT；Capek 0.5则围绕动作后的重新观测组织推理，使感知、执行与验证形成闭环。三者关注的并非单纯减少参数，而是重新划分训练资源与运行时计算图：有些能力只需塑造模型，有些信息必须在执行阶段持续可见，还有些模块要为失败后的反馈保留入口。落地新系统前，先为每个模块列出推理时可见信息、延迟预算和失败反馈路径，再据此决定哪些能力留在训练阶段、哪些必须进入执行闭环。