本期选取 arXiv API 当前可检索的 2026 年 10 月 15 日批次，按多模态搜索、计算机使用、空间推理、统一能力和流式记忆组织。实验数字均来自论文摘要并归因于作者。

1. MMSearch-OPD：把多模态深搜变成可训练流程

论文：MMSearch-OPD · HF Papers · 提交于 2026-10-15

问题。 多模态搜索从短查询走向长链路调查，但训练数据缺少真正困难的问题，过程反馈也不足。

方法亮点。 作者用可控的数据细化流程，把简单多模态问题扩展成更深的推理链和跨模态证据需求；训练阶段结合强化学习与 on-policy distillation，并让 reward gap 调节 token 级教师指导。

证据。 摘要报告数据细化带来收益，SFT 后的联合训练进一步提升长程多模态深搜能力。

边界。 摘要没有给出各数据变换、奖励项和基线的完整数值，不能据此判断收益主要来自数据扩充还是训练目标。

我的判断。 多模态搜索代理的瓶颈不只在模型大小，也在于能否持续获得“难但可验证”的证据链训练样本。

2. OS-Helix：让 GUI 操作与代码执行共享动作空间

论文：OS-Helix · HF Papers · 提交于 2026-10-15

问题。 真实桌面自动化同时需要理解界面和操作文件、脚本及系统状态；只在提示层把 GUI 工具与代码工具拼接起来并不稳定。

方法亮点。 OS-Helix 训练一个统一 GUI 动作与代码执行的多模态 Agent，并用真实应用与文件工件构造可执行桌面状态；在线强化学习采用 Step-balanced GSPO，按动作步骤而非原始 token 聚合重要性权重。

证据。 摘要称 OS-Helix-27B 与 35B-A3B 在 OSWorld-Verified 上相对匹配的 Qwen3.5 混合基线提升 35.0% 和 33.7%；27B-RL 进一步提升 42.9%，达到 66.44% 成功率。

边界。 这些是作者在指定环境和基线下的结果；跨平台迁移虽有展示，但不同操作系统的权限、窗口和文件差异仍可能改变结论。

我的判断。 计算机使用 Agent 的关键接口可能不是“点击或代码”二选一，而是让模型学会在两种动作之间路由并验证最终状态。

3. DK-VLM：把几何作为注意力中的位置

论文：DK-VLM · HF Papers · 提交于 2026-10-15

问题。 VLM 在跨视角理解三维关系、随观察者移动更新判断时仍不稳定；直接融合 3D 重建特征又面临与预训练语义表示对齐的问题。

方法亮点。 Dual-Kernel Attention 同时使用视觉 token 的输入位置和场景几何位置：语义核保留原有注意力，几何核利用 3D 点与相机位姿调制注意力，再通过门控融合。作者还提出 Reference-Frame Composition 监督。

证据。 摘要称 DK-VLM-8B 在六个空间基准上取得最高平均分，并在 VSI-Bench 与 ReVSI-32 上达到 74.33 和 58.28；参考系监督进一步改善多步空间推理。

边界。 摘要没有展开相机位姿噪声、3D 重建质量和六个基准的完整消融，数字应视为作者报告的设置内结果。

我的判断。 几何若能进入注意力的原生位置机制，可能比把外部 3D 特征粗略拼接进视觉 token 更稳定。

4. SCOPED：分离技能，再蒸馏回统一 VLM

论文：SCOPED · HF Papers · 提交于 2026-10-15

问题。 VLM 同时优化多种视觉能力时，异质目标会产生梯度冲突；独立训练专家又可能把奖励投机混进专业知识。

方法亮点。 SCOPED 训练能力专属专家，再通过奖励引导的反思提取显式技能；on-policy 蒸馏时用这些技能指导教师监督，但不把技能直接提供给统一学生，促使学生内化过程知识。

证据。 摘要称该方法在八个多模态基准上持续超过 backbone 和混合能力强化学习，并观察到更关注任务相关视觉证据、较好保留专业能力。

边界。 摘要没有给出八个基准的逐项提升，也没有说明专家数量和技能提取成本如何影响训练预算。

我的判断。 能力隔离再合并，是处理统一 VLM 负迁移的一条清晰路线，但蒸馏后的技能是否真正可解释仍待验证。

5. MaLoW：把流式视频历史写进轻量权重

论文：MaLoW · HF Papers · 提交于 2026-10-15

问题。 流式 VLM 需要持续整合过去的视频，同时响应当前观察和用户问题；传统记忆会让历史与当前画面争夺有限上下文。

方法亮点。 MaLoW 用循环 HyperNetwork 把新视频观察逐步合并为固定大小的 LoRA 权重，让历史以参数形式向前传递，而当前观察仍作为输入。作者还构建了包含 5.6 万个视频、38.1 万个问答对的 MaLoW-Instruct。

证据。 摘要称在 OVO-Bench backward split 上，MaLoW 相比既有记忆方法、在不同视频 backbone 下提升 3.9%–11.8%；在 Simpler WidowX 上动作成功率提升 9.3%。

边界。 把历史写入参数可能引入错误记忆累积和分布突变下的遗忘，摘要没有回答如何检测或回滚这些问题。

我的判断。 “记忆即权重”减少上下文回放成本，但也把记忆控制从检索问题变成了参数更新问题。

今日阅读线索

这批工作共同指向一个变化：VLM 正从“看图回答”转向持续行动的系统组件。搜索代理需要可验证证据链，GUI Agent 需要在视觉与代码间路由，空间模型需要把几何写进注意力，流式模型则要管理跨时间的状态。评价重点也会随之从单轮准确率转向闭环成功、记忆污染和成本。