EVIE 开源打榜进展
V4 · 正面对标 Qwen3-VL-Embedding-8B · 交付口径 K128×d64 int8（8 KB/条）+ MaxSim
三根支柱
知识库场景定义要赢的检索任务，标注 / 负例 / 蒸馏把有限数据用到极致，ST-HAC 与两级检索把多向量压到 8 KB。数据量比千问、WeMM 少两个数量级。
支柱① 通用榜：MMEB
MMEB-V3 是 V2 的超集：190 个任务 = V2 的 78 个（图像 36 / 视频 18 / 视觉文档 24）+ 文本 53 + Agent 47 + MCMR 1 + 音频 11。千问论文的头条成绩是 V2 总分，所以两个都报：V2 对齐论文口径，V3 看全面能力。音频不做，记 0。
MMEB-V278 集，论文头条口径 · 目标 ≥ 78.5
MMEB-V3190 任务 = V2 全部 + 新增 112 项 · 目标 ≥ 55.0
EVIE 一列在 P0 评测封装跑完后自动填入；「训练覆盖」指我们在 V3 主线里训过的任务类别。
支柱② 知识库差异化
文档检索每集都要超过千问 8B（v3 已领先 4.63），电商视频拉开 ≥ 7 分。
文档六集NDCG@10 · 目标每集超千问 8B
电商视频M5Product 冻结集 2,000 条（131 类配平）· nDCG@10
知识库真实场景知识库真实场景（业务集，Top1，306 口径；EVIE − Qwen3-VL-8B）
进行中
训练 / 精标 / 数据下载，由 collect.py 每次发布前从日志与清单里读取。
路线
视频检索迭代
四集 = MSR-VTT / MSVD / DiDeMo / VATEX 的均值；绿点为现行交付，蓝点为最好版。
分集对照括号内 = EVIE 最好版 − 该模型
这一步能拿多少：输入侧探针与上限
探针模型 = 307A（v307a-epoch1，当前最好版），不是 306、也不是 309A；权重与训练全不动，只在评测时把 ≤16 帧片段的帧短边放大到阈值。交付口径 K128×d64 int8 + MaxSim；脚本 code/exp_deploy/probe_upscale.py；集 = MSR-VTT 1,000×1,000、MSVD 27,763×670；本机 3×H20，每档 encode 12 min + 打分 4 min。
上限对照决定这一步值多少
结论：放大是便宜的 +0.4~0.5，把短片三集与千问的差距从 −1.07 收到 −0.77、四集均值的领先从 +1.18 扩到 +1.40；但补不平 −1.5，剩下的大头要帧间交互（原生视频编码）与重挖难负例。VATEX / Charades 未做放大，数字不变。