Youtu-Parsing-Omni：把图像、声音和视频变成可追溯记录
同一个感知编码器怎样同时读页面与定位音视频事件？
5B 解析模型把十类任务统一为带空间框或时间戳的 JSON。重点不是让模型多说几句，而是先把原始媒体转成可供文本智能体重复检索的证据记录；总分提升不能掩盖转写与几何关系上的退步。
Youtu-Parsing-Omni 作者团队阅读简报
AI Will Know 研究发现
本期研究 / 第 034 期
3 项工作
Glance：让生成模型兼任检索重排器
共用前缀缓存能否省掉另一个常驻模型，而不偷偷扩大显存？
Glance 在一个9B混合注意力模型上增加LoRA与指针头：候选段落编码一次，多条短探针分别给相关性打分。共享骨干减少模型部署种类，但不是必然比专用重排器快，主方案生成时还要重新编码筛出的段落。
Airun Intelligence Labs阅读简报
LOWN：扩散视觉语言模型何时可以暂时不看图
文本预测与旧视觉锚点一致，是否足以省下一次昂贵视觉前向？
LOWN 在扩散解码中先运行便宜的纯文本前向，用它与最近一次看图所得预测的一致性决定是否再次读取视觉 token。它不训练新参数，但所谓 certificate 是可出错的一致性判据，并非答案正确性的形式证明。
LOWN 作者团队阅读简报