本期选五篇方向互补的新论文：模态冲突控制、长期多模态记忆、超高分辨率遥感计数、医学回答可信度，以及机器人多策略合并。共同问题是：系统应该相信哪份证据，又应该把哪些判断交还给可检查的程序与评测？

时间与阅读边界。 所选五篇首次提交均为 2026-11-09 UTC，位于本次抓取前约三天内；以 arXiv 分类与多模态关键词倒序发现后，再用 id_list 获取完整摘要，所读均为 v1，摘要未见撤稿声明。以下是摘要级分析，未阅读全文或独立复现；所有实验数字均归于作者。HF Papers 为资源入口，不保证已经收录或有社区解读，作者所列代码也不代表本站已运行。

1. 模态仲裁：图文冲突时，把可信来源显式交给系统

论文：Beyond Modality Preference: Controlling Multimodal Arbitration under Modality Conflict in MLLMs｜资源：HF Papers｜作者所列代码

首次提交：2026-11-09 18:59:36 UTC。

问题。 图像和文本互相矛盾时，模型偏好的模态未必是任务中可靠的那个。理解多模态输入，不等于已经学会正确处理证据冲突。

方法亮点。 作者识别出一小组能够因果影响模型依赖视觉还是文字的注意力头，称为仲裁头；随后用轻量、免训练的推理期干预，将其偏向任务指定的可信模态。

证据。 摘要报告，这些头对校准集大小变化较稳定，能够跨设置泛化，并在多个基准上实现双向模态依赖控制；未提供具体提升数字，本期不补写百分比。

边界。 方法以外部指定可信模态为前提，不等于模型可以自动判断哪一方为真。能够操纵依赖方向，也不保证在两种模态都错误时恢复事实；头部定位与不同架构的可迁移性仍需读正文。

我的判断。 价值在于把模态优先级变成可干预机制。实用系统仍需要可信来源规则、冲突记录及拒答路径，避免把「更听图像的话」误认为「更接近真相」。

2. HiVe-Mem：检索更多相关记忆，只读取足够的证据

论文：HiVe-Mem: Interleaving Horizontal Memory Expansion and Vertical Evidence Composition for Multimodal Agents｜资源：HF Papers｜作者所列代码

首次提交：2026-11-09 18:57:00 UTC。

问题。 长期代理若只检索压缩摘要，容易漏掉关联事件；若把原图和全部交互都塞回上下文，又可能消耗大量 token。覆盖面与证据粒度需要分别设计。

方法亮点。 横向通过文本与视觉锚点建立记忆关系图，从语义检索种子扩展邻居；纵向为每段记忆保留摘要、描述、定位后的视觉视图、原图及交互历史，再由轻量可训练选择器按查询组合证据。

证据。 作者在三个多模态记忆基准上报告跨基础模型的任务表现改善；相较所比较的最高效多模态基线，token 消耗约减少 90%。这不是相对于任意代理系统的统一节省，也不是总费用或时延必然下降 90%。

边界。 该方法含可训练选择器，不能写成完全免训练。摘要未列出训练、存储、图扩展和图像处理的总成本；选择器省掉原始证据时是否遗漏关键细节，也需单独检查。

我的判断。 值得借鉴的是把「找哪些事件」与「看事件的哪种表示」拆开。阅读实验时应寻找高压缩情况下的漏证据案例，而不只看平均 token 节省。

3. GeoScope：先测计数极限，再决定如何切图

论文：GeoScope: Training-Free Program Execution beyond the Counting Horizon for Ultra-High-Resolution Remote Sensing Question Answering｜资源：HF Papers｜作者所列项目

首次提交：2026-11-09 16:57:25 UTC。

问题。 超高分辨率遥感图中，目标可能只有几个像素。找到正确区域后直接相信 VLM 的计数，仍可能系统性漏数。

方法亮点。 作者像校准传感器一样测量 VLM 的计数工作范围，以经验幂律模型估计切图能够补回的漏计及新增的伪计数，只对超出范围的视图继续拆分。文字模型将问题解析成带类型的空间程序，VLM 负责范围内定位与计数，方向关系由目标框显式计算。

证据。 作者测试八个开放 VLM，发现多数模型在 DOTA 航拍图中同一视图包含约五个以上对象时漏计加重，且目标变小、视图变大时工作范围进一步收窄。作者报告，免训练方案在 XLRS-Bench 上使 Qwen3-VL-8B 的区域计数与空间关系分别提高 16.3 和 10.5 个点。

边界。 「约五个」是特定实验的经验范围，不是所有模型、分辨率和场景的常数。切图可能增加重复计数与调用成本；空间程序也可能解析错误。摘要还提示选择题选项设计会影响部分基准的比较，不能只取最高分结论。

我的判断。 这是本期最直接的工程线索：不要要求模型在未知工作范围内承担完整任务。先测量失效曲线，再用程序拆解任务，比盲目增加图像分辨率更值得验证。

4. 乳腺影像可信度：答案、置信与解释必须一起审计

论文：Evaluating Cross-Signal Coherence in Mammography Vision-Language Models｜资源：HF Papers

首次提交：2026-11-09 15:33:50 UTC。

问题。 医学 VLM 常同时给出类别、置信度和理由，只看准确率会漏掉解释与结论冲突、错误却高置信等问题。

方法亮点。 作者在两个乳腺影像数据集上评估四个 VLM，任务包括乳腺密度与 BI-RADS 分类；受控改变问题、选项顺序及图像，检查答案、置信与解释三者的联动。

证据。 摘要称，更换影像时模型置信度未随之降低，调整选项顺序会改变多数模型的答案，并观察到模型理由与最终答案相矛盾的案例。摘要没有逐模型比例或显著性数值，不能补写普遍失败率。

边界。 模型自己陈述的置信度不能直接当成校准后的概率。有限数据集上的扰动实验，也不能替代临床试验或代表所有医学模型；本期不提供医疗建议。

我的判断。 适合优先阅读扰动设计及冲突案例：图像改变后是否仍沿用原先理由，往往比一条平均准确率更能揭示系统是否依赖视觉证据。

5. VLA-MOPD：在学生真正到达的状态上请教多个教师

论文：VLA-MOPD: On-Policy Distillation for Multi-Task VLA Policy Consolidation｜资源：HF Papers

首次提交：2026-11-09 12:12:37 UTC。

问题。 各任务微调得到的机器人专用策略难以合成一个共享策略。离线蒸馏可能缺少学生实际到达的观测，只学习最终动作又可能漏掉生成过程中的中间状态。

方法亮点。 共享学生采集机器人轨迹，再按指令路由到冻结教师，在实际访问的观测与流匹配动作生成的中间 ODE 状态上查询教师；使用带掩码的局部匹配损失监督有效动作块，并可加入参考策略约束以保留其他技能。

证据。 作者报告，LIBERO 平均 success-once 从 75.4% 提升至 98.9%，端点动作蒸馏对照为 98.15%；RoboTwin 2.0 平均成功率从 73.0% 提升至 89.3%。Piper 机器人上，两轮合并后平均成功率从 70.0% 升至 90.0%。这些是不同实验设置，不能合成一个统一提升值。

边界。 「每项 LIBERO 任务从一条轨迹开始」不等于整个训练过程只用一条轨迹：方法还需要教师与学生在线采样。实机试验规模、交互成本、教师获取成本及安全干预信息，摘要未完整说明。

我的判断。 重点不只是最终成功率，而是学生分布上的监督与旧任务保留能否兼顾。对照端点蒸馏时尤其应核查同等采样预算，避免把额外交互的收益全部归给损失函数。

今日阅读线索

先读 模态仲裁与乳腺影像评测：前者研究如何改变证据依赖，后者检查模型是否真的随证据改变判断。再读 HiVe-Mem 与 GeoScope，看证据粒度及模型工作范围如何成为系统接口。最后读 VLA-MOPD，把这一思路延伸到真实闭环状态与技能保留。

本期的共同标准不是让模型承担更多，而是明确它在哪些输入、状态与证据条件下可靠；省下的 token、改善的成功率和流畅的解释，都需要与失效边界一起验收。