SYNCR：从仿真诊断与学习跨视频推理

研究团队提出 SYNCR，一个基于 Habitat、Kubric 和 CLEVRER 仿真环境的框架，通过共享任务生成器从环境状态直接推导答案。它覆盖八类跨视频推理任务，提供 4,000 道评测题和 15,960 道训练题，视频互不重叠。对 22 个多模态大模型的评测显示，物理比较与场景整合持续困难，增大模型规模并不能稳定解决。对 Qwen3-VL-8B 做监督微调后，平均准确率从 32.6% 升至 61.6%。

此前跨视频推理缺少可靠标注和针对性监督，评测与训练相互割裂。SYNCR 用仿真环境同时生成标签和训练信号，并系统评测 22 个模型，揭示规模扩展无法稳定解决的失败类型，还首次给出合成监督向真实视频迁移的具体幅度。

SYNCR 把答案绑定到仿真环境的状态而非人工标注，因此标签可靠且可自动扩展。评测题与训练题来自同一套任务生成器但视频不重叠，用于检验模型是否学到可迁移的推理能力而非记忆。微调后提升还出现在训练未见的任务配置和视频来源，说明监督信号触发了通用能力。向真实视频的迁移仅时间排序稳定，说明不同推理能力对合成数据的依赖程度不同。

对做多模态视频理解的产品团队，这意味着可直接用仿真数据做诊断和微调，降低人工标注成本。需注意物理比较和场景整合仍是短板，仅靠扩大模型规模不划算。产品若涉及视频时序理解，可优先考虑用合成监督补强，其迁移效果目前最有证据支持。

• 在视频理解产品的模型评测流程中引入 SYNCR 的任务分类，定位物理比较和场景整合的具体失败点。
• 针对时序排序类需求，用仿真生成的监督数据对现有模型做微调，验证是否能复现 9.0–20.5 个百分点的提升。
• 基于 Habitat、Kubric、CLEVRER 搭建内部任务生成器，把评测和训练数据生产合并为一条管线。
• 在采用合成数据微调前，先在自己的真实视频集上建立基线，以便量化迁移收益。

• SYNCR 的八类任务是否覆盖真实产品中常见的跨视频推理场景。
• 向真实视频的迁移仅在时序排序上稳定，其他任务的迁移效果是否有证据。
• 训练题与评测题不重叠，但任务生成器相同，是否存在任务层面的过拟合风险。
• 该框架对其他模型家族和更大规模模型的提升幅度是否一致。