首轮查询将答案准确率从83.1%推至90.5%

重点关注

01 视频生成 全景记忆+局部渲染，按需生成视角

AlayaVista把世界模型里的两项工作拆开了：全景状态负责保存场景全貌，局部渲染器只生成相机当前看到的画面。它从单张透视图扩展出360度场景先验，再让这个全景隐状态随相机控制持续演化，避免局部视角模型把已经移出画面的内容彻底忘掉。需要输出视频时，潜在视口渲染器按需截取目标视角，随后由透视细化器补回细节、抑制伪影并提升分辨率，不必每一步都合成完整球面视频或显式构建3D场景。为了降低交互延迟，作者还把全景生成改造成分块自回归流程，并将生成与细化都蒸馏为少步推理。支撑这套设计的是MUGEN数据集：1318小时、至少4K分辨率的真实全景视频，并带有语义和几何标注。这个方向真正令人兴奋的地方，不是又多一种视频生成架构，而是把「全局记忆」和「当前观察」变成了可以分别优化的模块；至于它能否同时压住遮挡后的遗忘、长程漂移和交互延迟，还需要看全文中的长期滚动实验与速度对比。做交互式视频、具身智能或游戏世界模型的团队，值得关注这种「全景记忆、按需观看」的表示是否比完整3D重建更实用。

原文：AlayaVista: Streaming World Modeling from Panoramic States to Perspective Video

02 Agent 第一步走偏：搜到材料也可能答错

材料已经出现在候选结果里，深度搜索Agent仍可能因为第一步走偏而无法把证据串起来。Question's Gambit把初始检索拆成线索提取、互补查询、结果合并和重排，为后续搜索预先搭出可聚合、可验证的上下文。这个改动把BrowseComp-Plus上的答案准确率从强基线的83.1%提高到90.5%，说明初始查询不是一次性的提示词润色，而是会放大到整条探索轨迹的策略决策。反直觉之处在于，继续增强循环内的搜索与推理未必最划算，先提高起点的分支覆盖可能更有效。不过结果能否稳定迁移到更多真实研究任务，仍需结合全文及更广泛评测确认。

原文：Question's Gambit: The First Move Matters in Agentic Deep Search

03 安全对齐 从「引用相关」到「证据充分」

法律RAG的关键不只是「有没有引用材料」，还要判断材料是否足以支持结论，以及不足时是否应该拒答。这项工作把现有法律问答数据转成上下文偏好数据，并构建LegalRewardBench，在检索结果有噪声或证据不足时评价回答。采用直接偏好优化（DPO）后，最强的数据组合比基线提升最多25.6个百分点；主要使用澳大利亚维州刑法数据训练，也让美国住房法问答提升了16.2个百分点。不过，表现对偏好数据的构造方式很敏感，长度平衡本身就能显著改变结果，说明奖励模型可能学到表面线索。对高风险部署而言，这类领域奖励模型适合作为评测和训练组件，但不能替代人工复核、证据审计与真实场景验证。

原文：Building Legal Reward Models for Grounding and Abstention

04 训练优化 互联网训练的瓶颈，为什么不能只盯着梯度同步？

低端GPU跨互联网协作时，数据并行的梯度同步和流水线并行的激活传输会同时争抢有限带宽，优化其中一条路径，另一条仍可能拖住整个训练。Amazon这项工作采用异步双回路：快速回路压缩两类通信以维持吞吐，慢速回路则偶尔执行不压缩的前向与反向计算，在关键路径之外提供校准信号。延迟到达的校准信息再通过频谱修正优化器为受掩码影响的梯度降噪，因此不会阻塞快速回路。摘要报告称，单独压缩流水线通信最高带来9倍吞吐提升，两类通信一起压缩后，在约200Mbps连接上超过40倍，同时在领域适配和持续预训练中匹配未压缩方案。这个结果更值得关注的不是峰值倍数，而是它把不稳定网络当作系统前提；至于能否适应更复杂的节点波动和长期训练，仍需看全文确认。

原文：Communication-Efficient LLM Adaptation over Decentralized GPU Meshes