MaLoW：以固定LoRA权重承载视频历史

基于摘要分析。本文研究流式视觉语言模型（VLMs）如何持续利用历史视频，同时响应当前观察与用户查询，提出 MaLoW，将历史信息内化为动态更新的轻量参数，而不是将历史内容重新放入输入上下文。 核心机制是使用循环 HyperNetwork，将持续到达的视频观察增量整合进固定大小的 LoRA 权重，使历史以权重形式保留、当前观察仍作为输入。相较于压缩、检索或缓存历史后再输入模型的方法，这一路径旨在减少历史记忆与当前观察对有限上下文的竞争；固定大小的是历史承载权重，并不意味着已验证无限时长下的信息保持能力。作者还构建了用于训练的 MaLoW-Instruct，包含来自 56K 个视频的 381K 个问答对。具体训练目标、参数更新规则及数据划分尚未验证。 作者报告在 OVO-Bench、StreamingBench 和 StreamArena 上取得较强表现；其中，在 OVO-Bench 的 backward split 上，不同视频骨干下相较既有记忆方法的提升为 3.9%–11.8%，同时仅引入适度延迟开销。摘要未明确该提升对应的具体指标及相对增幅或百分点口径，不能进一步换算。作者另报告，将方法用于视觉语言动作模型时，Simpler WidowX 上的动作成功率提升 9.3%，其增幅口径与完整评估条件仍需核对。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：将历史从输入上下文转移至参数状态，可能为 EEG 在线长时序建模提供机制参考，但原研究对象是视频及视觉语言动作任务，并非 BCI。该方法依赖顺序视频观察和问答训练数据；若迁移至 EEG，可考虑复用循环参数更新机制，但需改造信号编码、监督目标与状态重置策略。低信噪比、通道变化及跨被试分布差异可能使噪声或个体偏差累积进权重，小数据也可能不足以训练稳定的 HyperNetwork。一个可检验的小实验是在相同 EEG 编码器和顺序数据划分下，对比固定缓存与循环 LoRA 记忆，分别检查任务指标、状态重置后的表现及在线延迟。已有 EEG 相关工作尚未检索确认。