开场与 ATAS：用世界状态记忆撑住长视频

主持人介绍本期十五篇论文聚焦智能体视频生成、蒸馏与强化学习。第一篇 ATAS 框架用共享坐标维护静态场景、按时间索引动态事件，通过计划执行观察闭环更新状态，提升跨镜头一致性与历史事件重补，但叙事连贯性仍需提升。

Player-1：合成经验能否在 SFT 后继续提升游戏控制

第二篇验证合成经验在 SFT 后继续提升游戏控制并泛化到 RL 环境之外。方法先 SFT 再在十六个合成 2D/3D 环境做多环境 RL，MineDojo 3.0 上 9B 与 3.5B 成功率分别从 10.54% 和 23.38% 升至 38.33% 和 41.04%，复合动作使用率从 64.7% 升至 93.2%。

Doc2Harness：最强模型在 harness 工程上也失败

第三篇提出两阶段基准评测大语言模型在编码智能体 harness 工程中的表现。328 个测试、19 个前沿模型、57 个候选 harness，最高通过率 53.05%，最低 27.44%，差距约 26 个百分点。权限类差异最大，高分 harness 倾向把横切功能集中在更少模块。

蒸馏路线之争：跨域批评、批评引导与在线策略

第四至第六篇围绕蒸馏展开。第四篇让非路由教师充当跨域批评者，用 token 级一致性调节奖励并做梯度投影，4B 和 1.7B 学生均优于强基线。第五篇质疑教师能否从学生错误前缀恢复正确答案，提出批评引导的在线策略蒸馏，7B 与 0.6B 上比 OPD 提升 4.57 和 4.06 分。

LatentLoop 与 Cortex：算力分配与参数化记忆

第六篇 LatentLoop 发现循环模型第一次中间层访问适合较小更新、第二次接近全量，于是压缩首次访问为 1/2 latent 序列，预测算力比 MoE base 省 19%。第七篇 Cortex 把上下文收益固化进 FFN 参数，14B 模型五十次事实编辑后恢复 88.9% 上下文增益，保留 99.8% 元性能。

ActionOPD 与自蒸馏现实检验：动作对齐还是 token 对齐

第八篇 ActionOPD 主张蒸馏决策而非 token，在动作级做在策略蒸馏，6697 个任务上平均提升 3.3 到 6.9 个百分点。第九篇在统一协议下比较 GRPO 与十种自蒸馏方法共 132 次训练，发现增益有限且依赖设置，仅 PCSD 和 agentOPSD 略超 GRPO 均值，最终分可能掩盖训练坍塌。

多模态记忆综述与 LensErase 图像擦除

第十篇梳理多模态智能体记忆，统计 297 个架构，动态记忆占近七成、自净化记忆仅约 6%，核心观点是记忆表示限制检索、修改与遗忘。第十一篇 LensErase 提出通用掩码图像擦除模型，上亿级数据覆盖物体、水印、视觉文本，擦除率从 65.8% 提升至 82.8%。

KV4-RL：INT4 缓存加速异步 rollout

第十二篇针对异步 rollout 把瓶颈推向 KV 缓存流量的问题，提出用免校准 INT4 存储完整上下文，并以 INT8 侧缓存保护 16 个 attention sink 和 128 个近期位置。8B 模型上实现 1.80 倍累计 rollout、1.27 倍完整迭代加速，精度与 BF16 差距小于 0.5 个百分点。

智能体机器人与 HybridAgent：从综述到混合推理

第十三篇概念综述梳理机器人学习从传统策略、VLA、世界模型走向智能体机器人，拆成 model、data、environment、harness 四个功能域和十七类，强调公平评测、真机验证、跨本体泛化与安全门控。第十四篇 HybridAgent 统一潜在推理与文本交互，平均性能提升 10.4%，token 减少 35.5% 到 54.7%。

RAESR 超分辨率与收尾

第十五篇 RAESR 把真实超分辨率视为把退化图像映射回清晰自然图像流形，用冻结 DINOv3-L16 构建潜在基底配 415M 解码器，一次前向复原无需扩散采样，512×512 约 37.2 毫秒，人类偏好超过多种强基线。主持人以感谢收听和订阅引导收尾。