今天分享北航和中关村实验室出品的RAG基准框架--XRAG，它把RAG拆成4阶段组件×5种编排器的二维矩阵，在4个数据集上用3类评测视角（ConR/ConG/CogL共40个指标）跑公平对比。

总结一下这次的体感：Seedance 2.5 解决了底层画面质量和单镜头连贯性的问题，30 秒原生直出，每个镜头本身站得住。但一条能交付的短剧还需要生成前对齐方向、生成中保持一致、生成后能精准修改、做完还能复用。

有界效率提示要求从失败测试和可能的实现文件开始，只在证据需要时扩大检查范围，做最小充分修改，运行相关测试，并在验收标准通过后停止。在冻结保留集的 6 个模型上，它的推理量保持基准或更低，同时观察到的诊断和最终验证没有减少。

专门做 AI 的 NPU，不一定比 GPU 快；GPU 里明明有很多“计算单元”，却不是每一块都能拿来训练大模型。要理解这些问题，不能先背型号和参数，得先看懂三者为什么会被设计出来。

半年前我说 vibe coding 的天花板低，是因为那时候工具只会写、不会收。2026 年这套开源组合拳下来，写和收终于能同时顾上。我的判断很直接，别追单个神兵，按底座和阶段选两个顺手的，先 vibe 起来再说。

模型已经够强了。该补的不是又一次参数升级叙事，而是验证工程：把目标钉死，把验证跑起来，把反馈送回去，让模型在环里自迭代、自修复，直到过关。

流式结果消费解决的不是"能不能做"的问题，而是"能不能做得更快"的问题。在 Agent 系统从原型走向生产的过程中，当工具调用延迟成为瓶颈时，这个模式就是一个值得考虑的优化方向。

这两天用 Codex，我碰到一个特别磨人的问题。在刚开始使用 Codex 的时候，或者代码刚写到一半，底部突然开始转圈。

R1-Searcher++ 的目标，是教模型在推理时自适应地在内部知识与外部检索之间切换，并在训练过程中把检索到的内容转化为内部知识，从而持续扩充自身知识库、降低对检索的依赖。它采用完全自提升（self-improving）范式，整个 SFT 与 RL 训练过程不借助任何更强的外部模型。

团队提出 Structured Prompt，并从 Diffusability 与 Promptability 两侧共同提升文本条件，最终在复杂组合、推理和世界知识生成任务上取得显著提升。

这样耳熟能详的大佬，本来不必多做介绍。但要解释离职的空前盛况，还得回头看看他为谷歌留下了什么。