本篇目录 / Contents
MiMo 4K无字幕第948好像在找什么东西 CN 寻找反读复核
本页记录 #948 阿蒙 好像在找什么东西 的 MiMo CN 复跑结果。MiMo 中国区 endpoint 本轮继续可用。两次请求均返回 ok，其中无音轨视觉反读因为输出较短被脚本标记 too_short:718<800，但内容方向与 T1 本地帧证据一致。
两次报告
资产目录：
inspool-wiki-zh/raw/assets/4k-nosub-restart-20260622/948-looking-for/mimo/
| 报告 | 输入 | 模式 | 用量 | 可用性 |
|---|---|---|---|---|
cn-context-looking-for-948/01-27-45.266-01-27-55.433/mimo-report.md |
#947 后到 #949 前宽窗，带音频 | deep-film, fps=4, max | 21365 tokens |
部分可用。报告明确认为 找什么东西 未被声画直接兑现、#949 的信/房间没有视觉物证；但其中对右侧“纸/薄膜/沙沙声/双手操作”的描述只能作候选。 |
cn-visualonly-counterread-948/01-27-45.266-01-27-55.433-visual-only/mimo-report.md |
同一宽窗，无音轨，盲视觉反读 | formal-safe, fps=4, max | 20073 tokens |
可作 T2 反读辅助。报告明确写出空间持续与光色波动，未见可验证位移、寻找或场景切换动作。 |
可保留的观察
带声音上下文报告最有价值的一点，是它没有把 找 直接写成已经完成的行动。它明确区分了“台词给出的寻找语义”和“画面里可见的动作”，并指出当前片段不能确认 信/最里面的房间 已经获得视觉物证。这一点与 T1 一致。
无音轨视觉反读更干净。它没有听到台词，也没有被 找 牵引去补动作；结论是同一公开空间持续、暖色光轻微起伏、背景人群静坐、前景人物/白色服装/反射桌面和杯状物在位，没有可验证位移、寻找动作或场景切换。这与本地接触表、scene detect 和运动差分一致。
必须降级的部分
带声音报告中有三类说法不能直接进入 T1：
- 它把右侧材料说成纸质或薄膜类目标物。T1 只能确认右前景白衣/白布身体、白色材料、瓶子/透明容器、红色前景材料和反光面持续在位；不能确认它就是 #948 的“东西”。
- 它把前后声响写成连续
沙沙摩擦。T1 精确句显示 #948 主体是低频/低中频人声，句尾高频化更稳写成人声尾音/气息候选，不能升级成纸张翻找。 - 它把可见姿态写成整理、操作或检查。T1 帧差只支持小幅姿态/光色/边缘变化，不支持寻找、翻找、搜寻、目标物被找到或动作意图确认。
方法论结论
948 说明：不只 跑 这类强动作词会诱导模型，找什么东西 这种弱动作/意图词也会诱导模型把白色材料、瓶子、手部候选和摩擦声组织成“正在找”的故事。后续遇到 找、看、等、拿、藏、装、打开 等动作/目标词时，仍应采用双路：
- 带声音上下文报告，用来观察模型如何理解台词和声画关系。
- 无音轨盲视觉反读，用来核验画面是否真的交付动作、目标物、路线、空间切换和镜头响应。
若两者冲突，优先保留 T1；若两者一致，也只能写作 T2 辅助，不覆盖 T0/T1。