全部 · 2026-05-10

这篇论文把AI角色扮演从“对话机器”升级成了“叙事导演”。核心创新是四通道消息格式：对话、旁白、场景描述、内心独白，模型需要像导演一样决定什么时候切镜头、什么时候给心理活动。框架里塞了个场景管理器，能根据剧情走向自动分镜，这比单纯让模型接话要复杂得多。 训练数据从81部文学作品和20个合成主题里抽取，评测集AdaptiveBench用100个种子场景来考模型能不能把故事讲下去。但正文没披露具体用了哪些模型做基座、参数量多大、推理延迟多少，也没说四通道消息在实际交互中会不会让响应变慢。文学作品抽出来的数据质量也存疑——小说里的内心独白和旁白是作者写的，不是角色生成的，直接拿来训练可能让模型学会“替角色说话”而不是“让角色自己说话”。 这点先别太激动。论文挂在ACL 2026，但正文被微信验证页挡住了，关键实现细节和消融实验都看不到。如果场景管理器的切分镜逻辑是规则驱动的，那泛化能力会打折扣；如果是模型自己学的，那训练成本和稳定性又是另一回事。等看到完整论文再判断这套框架到底能不能落地。

NVIDIA 放出的 Star Elastic 模型，一个检查点文件里塞了 30B、23B 和 12B 三个尺寸的推理模型，不用再训练就能直接“切片”取用。玩法是把思考过程交给 23B 子模型，最终答案让 30B 模型出，在 AIME-2025、GPQA 等几个测试集上准确率涨了 16%，延迟降到原来的约 1/1.9。这对本地部署挺友好，一个文件覆盖多种精度和算力场景，省了来回下载切换的麻烦。 不过原文是 Reddit 帖子，点进去被网络策略挡了，看不到技术细节和完整评测。16% 的涨幅和 1.9 倍延迟降低具体在什么硬件、什么量化配置下跑的，功耗和吞吐量怎么样，这些都没披露。另外“零样本切片”听起来像直接从大模型里抽子结构，但子模型之间参数怎么共享、会不会互相干扰，正文也没解释。如果这些缺口补不上，实际效果得自己跑一遍才知道。

这条专利讲清了 Anthropic 的 Computer Use 数据从哪来，以及为什么学术数据集训不出产品。关键差别在于，他们的管线把原始操作变成了带推理链的数据：先截获用户操作并允许附加思考标注，再用多模态模型把点击坐标翻译成语义意图，最后用更强的模型做合成扩展，一条真实轨迹变出几十条带推理变体的样本。 这解释了为什么 Claude 操作软件时显得更“懂”界面，而不是机械地重复坐标。但专利正文没披露这套管线实际产出了多大规模的数据，也没说合成样本的准确率如何验证。如果合成扩展引入了错误推理，模型反而会学到坏习惯。另外，管线依赖用户主动标注思考过程，这在实际采集中的覆盖率有多高，正文也没提。 对从业者来说，这条管线的价值在于它把数据采集从“录操作”变成了“采推理”。但别急着激动——专利保护的是流程组合，不是模型能力。能不能持续低成本地跑通这条管线，才是真正的护城河。