自我进化搜索代理会「共同作弊」，错误共识最高达8.8%

01自我进化搜索代理会「共同作弊」，CrossFit将错误共识占比从最高8.8%降至3.7%

自我进化搜索代理通常由两个组件组成：出题器根据来源文档生成问题和伪标签，求解器负责回答，双方答案是否一致则成为训练奖励。新论文发现，这套闭环可能让两者逐轮认同同一个错误，形成研究者所称的「共同作弊」；论文同时提出CrossFit，通过隔离反馈来源减少错误共识。

研究者用来源证据进行事后审计后发现，随着自我进化轮次增加，内部训练信号虽持续改善，伪标签正确率却可能停滞或下降。这意味着一致性只能证明出题器和求解器给出相同结果，不能证明结果符合原始材料。

在Qwen3.5-4B和9B实验中，标准闭环的错误共识占比分别达到6.1%和8.8%。多样本验证对每个候选额外调用六次标注生成，只把两项比例降至5.7%和7.2%。

CrossFit将来源文档分为A、B两组：A组生成的问题交给仅在B组训练的辅助求解器评分，B组反之，从而避免同源伪标签沿反馈路径被直接复现，主求解器的更新规则则保持不变。该方法把错误共识占比降至3.0%和3.7%，并在七个搜索问答基准上相对标准闭环平均提高8.8分和8.4分。其在其他模型、生产任务和更长训练周期中的效果，以及辅助求解器的完整计算成本，仍未明确。

02SMART用持续记忆和动态多代理翻译整部剧集，15个字幕方向均取得最佳MQM成绩

长篇字幕翻译不能只处理孤立句子：术语、人物指代和风格要跨越单集乃至整部剧保持一致，还要符合字幕格式。研究团队提出的SMART因此建立剧集级持久记忆，并让动态路由器按场景选择多代理流程。

系统先翻译部分句子，可调用术语核验、字幕约束检查和上下文检索工具。评判—修订循环再根据候选评分和文字批评，更新代理提示与路由策略，无需重训底层模型；完成配置调整后，再翻译剧集其余部分。

论文推出的Subtitle Arena覆盖14种类型、每部2至198集及15个目标地区语言。SMART在全部15个翻译方向取得最佳总体MQM成绩，平均惩罚比最强竞争代理系统低6.9%；在MuSC四个语言对上也取得论文所称最佳模型结果，人评总分为4.50/5。其处理速度、运行成本和真实发行项目中的人工修改量仍未公布。

03DyRAD重建动态驾驶雷达场景，RADIal目标恢复率达90.7%，最强基线为26.9%

自动驾驶闭环测试需要合成车辆未实际驶过视角的传感器观测。新方法DyRAD可从记录数据重建动态驾驶场景，并输出完整的距离—方位—多普勒雷达张量。

现有动态场景方法只重建距离—方位张量；能渲染多普勒的方法又假设场景静止。雷达处理还会把单个反射扩散至多个数据格，若将这种传感器效应混入场景几何，视角移动后就会错误渲染。

DyRAD用静态背景反射体和经运动跟踪的动态点反射体表示场景，将物体速度投影至视线方向生成多普勒，并用固定解析点扩散函数模拟雷达信号扩散。场景与传感器效应分开后，同一重建结果可在不重新拟合的情况下切换雷达配置。

研究在RADIal、Boreas及合成基准上测试原路径和偏移视角。RADIal评测中，DyRAD恢复了参考数据已检测物体的90.7%，最强基线为26.9%；这不是总体检测准确率。