代理计划执行流水线中的时序语义缓存与工作流优化评估

本文提出将成对排序提示（PRP）重排序重新定义为从含噪成对比较中进行主动学习的问题，并引入随机方向查询来消除位置偏差。实验表明，该方法在调用受限场景下显著提升了NDCG@10，且可直接替代现有排序器。

该研究揭示了视频多模态大语言模型（MLLMs）在音频理解上的视觉依赖问题，即模型仅通过视觉线索“听”声音，而非真正处理音频。为系统诊断此缺陷，作者提出Thud框架，通过三种反事实音频编辑（移位、静音、交换）进行探测，并设计两阶段对齐策略，仅用1万样本将干预测试性能提升28个百分点。该工作为构建真正多模态理解模型提供了诊断工具和解决方案。