🔧 机制
帧积累成 clip（视觉 token 达容量 L 切界）→ 每 clip 触发流式思考 z^k~p(z|c^k,m^{k-1}) → FIFO 文本长期记忆；query 到达用记忆+最新 clip 直接出答案。
双记忆：短期原生视觉 buffer + 长期文本语义记忆（固定预算推理无限流）。联合分布因子分解为'Direct Answer 项 × 流式思考连乘项'。底座 Qwen2.5-VL 3B/7B/32B、2fps、视觉编码器全程冻结。打断语义：被 query 或新 step 打断时退回最新完成的记忆态——丢弃进行中思考，非续接（G5 缺口的实证）。
VST-SFT：流式思考建模为多轮对话（clip/thought 交错），流式 attention mask 强制时间因果（思考只见当前 buffer+历史文本），loss 只落思考与最终回答，每样本 128s 时限。VST-RL：verl+vLLM+FSDP 多轮自探索，奖励只看最终答案对错，优势广播到轨迹全部生成 token（含 query 前所有思考）——'事前想'由'事后答对'获得信号；DAPO 式 clip、group 8、rollout batch 256。
🧬 数据合成
视频实体-关系建知识图谱 → 采样多跳证据链 → Gemini 生成流式 QA + 接地流式 CoT → 自动过滤：100K 高质量流式推理样本。
设计目的：强制多证据推理与对视频流的持续注意，且生成的思考与视频上下文严格对齐（时间因果不越界）。这是'给流式模型造思考标注'的可复制流程。
对 duplex-omni-actor 微调臂的移植方案：把'视频实体关系'换成'环境状态变迁+动作机会'，证据链换成'状态-机会-动作'链，即可生成流式 CUA 的思考标注——团队卡片将其列为微调思考标注的直接参照。
📊 结果
StreamingBench 79.5% / OVO-Bench 59.3% 开源 SOTA；比 Video-R1 响应快 15.7× 且 VideoHolmes +5.4%；离线长视频/推理榜保持竞争力。
摊销数字（可引）：流式思考每 16–32 秒异步触发、均值 7.0 秒、P99 11.2 秒——短于最小触发间隔，开销全部摊进播放，query 后零附加延迟。消融：SFT 主要提升后向记忆（+9.2%），RL 主要提升前向预测（+12.7%）；两阶段合并最优。
最大思考次数消融：Backward 任务随思考次数持续涨到 16 步（更多思考=更精确的记忆），Real-Time/Forward 在 ≥4 步饱和（过多记忆细节引入冗余）——'思考预算的边际收益按任务类型分化'。测试时每步（含思考与最终回答）cap 8,192 视频 token、最大思考次数 4。
💡 对主线的启示
摊销不等式（生成 7.0s < 间隔 16–32s）是摊销合法性的显式判据——调速阶梯正好扫这个不等式反转的时刻；优势广播技巧可直接搬进 RL 配方。
四点：① 合成流式 CoT 管线是造 CUA 思考标注的最近参照；② 优势广播解决'事前思考无直接监督'；③ 打断=丢弃非续接（G5 空白实证）；④ 纯理解任务、不面对因自己动作而变的世界（G3 仍空）。
clip 切界由 token 容量驱动而非语义/紧迫度——与 OneTwoVLA 的事件触发相比是'定容量摊销'vs'事件触发'两种时机策略，我们的微调可以把两者作为对照配方。局限：思考质量无过程信号（只有 outcome 奖励）；评测受限于既有流式榜的伪流式问题。对照：StreamingThinker（读）、SHANKS（听）、STITCH（说）、The Silent Thought（潜空间）——全覆盖链唯独缺视觉动作通道。