Multics从4人训练外推到10人推理

重点关注

01 视频生成 多人世界模型不必让所有玩家彼此直连

多人世界模型的扩展瓶颈，不只是算力不够，而是所有玩家都互通消息既昂贵又容易互相干扰。全连接通信的注意力成本会随玩家数量平方增长，集中式表示又可能把无关事件混在一起；Multics因此把通信拆成玩家、群组和全局三层，让局部相关的信息先在组内汇总，再跨组交换。它还根据近期镜头轨迹动态分组，并用通信预算限制不必要的信息流：相关玩家在局部层级聚合，层级拓扑限制无关局部事件的直接混合，同时全局token仍支持跨组通信。群组参数在不同组之间共享，因此增加玩家时不必同步增加组专属参数。摘要称，该方法在4人和6人设置下改善了跨玩家一致性、动作与镜头控制，以及对无关事件干扰的抵抗力。更值得关注的是，模型从4人训练直接外推到6人、8人和10人推理且无需重新训练；不过系统性结果仍主要来自4至6人场景，摘要未报告10人规模下的详细性能结果。

原文：Multics: Generative Multi-Player World Model with Hierarchical Communication

02 图像生成 让注意力看得更少，反而能让高分辨率图像更完整？

AReA把高分辨率生成的结构失真与二次方计算成本追溯到同一设计：在整个去噪过程中维持全局注意力。AReA抓住了一个反直觉的变化——去噪早期需要全局视野来搭结构，后期却只需聚焦局部来补细节，于是先用降采样后的键和值捕捉整体，再逐步缩小注意力窗口。这样既减少了全注意力的二次方计算，也避免模型在后期面对大量训练时没见过的token数量和相对距离。更实用的是，它不增加参数、无需重新训练，并在不同模型和目标分辨率上优于已有免训练基线；不过具体提速幅度和画质改善仍需看全文确认。

原文：AReA: Adaptive Receptive-Field Attention for Efficient High-Resolution Diffusion Transformers

03 Agent 隔离客户数据还不够，推理状态也要隔离

长驻Agent连续服务多个客户时，上一位客户的目标可能不只留在聊天记录里，还会通过共享的KV cache干扰下一次决策。实验中，OLMo-3-7B-Instruct在双客户目标冲突的受控市场场景里，有22%的合格决策偏离了当前客户目标。研究者用线性探针定位到中间层的特定注意力头，再定点消融竞争客户的目标表征；相比随机消融或删除非目标token，这种干预更明显地把决策拉回当前客户，提供了因果证据。这些结果凸显了将缓存等推理状态纳入关系级隔离边界的重要性。只是22%来自单一7B模型和20个受控场景，真实系统中的风险规模仍需更多模型与任务验证。

原文：When Goals Leak Across Relationships: How Cached Goal Representations Shape Cross-Client Decisions