本周五篇论文总览

交代节目定位与时间范围（2026 年 10 月 12 日至 18 日），说明本周精选五篇论文，涉及强化学习策略迁移、全模态视频定位、系统一模型、视频理解与交互、空间智能五个方向。

Waypoint-OPD：用路标门控迁移强化学习成果

针对教师模型强化学习后能力难以迁移给学生的问题，提出以中间检查点为路标、比较两次策略偏移方向一致性的门控蒸馏方法。实验在数学和代码上均超过 direct OPD，消融显示门控关键，作者也指出方向一致不等于答案正确。

OmniCompass：全模态视频定位与理解基准

构建视觉语言与视听两赛道、各含时间定位、空间定位与问答的基准，用两种配对规范评估跨规范一致性。评估 50 个模型后发现问答强于定位、时间定位最难，音频对问答有帮助但对定位提升不稳定。

Jeva：把决策从文本生成中解放出来

主张系统一模型应尊重决策结构，提出空值感知、排列不变、选项可扩展、可缓存四项要求。通过分离语义编码与候选判断、加入覆盖门控，在多个基准领先，缓存复用带来约 27.98 倍延迟加速。

VideoJev：视频智能体的快速决策接口

把视频理解转化为对时间区间和文本选项的直接打分，复用视觉上下文，用共享打分头替代逐词生成。时间定位与视频问答均显著提速，4B 版本问答接近更大模型 thinking 模式且快 129 倍，但校准仍不完美。

MJev-Spatial：原生注意力匹配做空间判断

将选项、数值、二维点统一为有限候选集分类，复用预训练注意力投影做评分，一次前向完成决策。总体得分 65.64%，12 项基准中 7 项第一，延迟比最快自回归基线快 2.5 倍，但多点输出与 MMSI 仍是弱项。