PA真人比赛数据研究组同一个模型为什么会“样样都会，样样勉强”
先把四类任务的要求摆在一起。直播字幕与高亮，要在一到三秒内出结果，错了要能快速修订；实时战术提示，需要在决策窗口内给出简短建议，并附带置信度；赛后复盘，可以花更多时间，但每条结论要能回到具体时刻；训练建议，要解释“为什么建议你练这个”，并考虑长期的能力轨迹。四类任务对延迟、精度、可解释性的取舍完全不同，不存在一个统一的最优点。
大语言模型擅长组织语言、跨材料综合，但在高速游戏画面里读取血条、小地图上的图标，并不是强项，公开基准 EgoEsportsQA 里最好的 Video-LLM 也只有 71.58%，而且基础感知强于深度战术推理。反过来，专用检测器读小地图很准，却不会写复盘报告。所以分工并不是为了复杂，而是承认每种模型的长处与短板，PA真人AI大模型也是按这个思路分层的。PA真人的做法是把大模型放在“统筹与表达”的位置，而不是让它替代每一个专用组件。
五类模型各管什么
| 模型 | 擅长 | 典型任务 | 主要短板 |
|---|---|---|---|
| Vision Model（视觉模型） | 读取画面里的图标、血条、击杀提示 | 小地图识别、OCR、目标追踪 | 遮挡与界面差异，不理解战术含义 |
| Telemetry Model | 处理精确的位置、状态、资源序列 | 状态预测、技能模型、疲劳信号分析 | 依赖数据接口，缺失时无法工作 |
| Event Model（事件模型） | 识别、去重、排序比赛事件 | 关键事件检测、高亮打分 | 依赖上游抽取的准确性 |
| Recommendation Model | 把玩家画像与训练内容匹配 | 训练任务推荐、计划调整 | 样本少时容易过拟合 |
| LLM（大语言模型） | 综合材料、解释、对话式表达 | 复盘报告、解说、问答 | 较慢、较贵，易出现幻觉 |
这五类并不是并列关系，而更像流水线上的不同工位：视觉与 Telemetry 模型负责把世界变成结构化数据，事件模型负责挑重点，推荐模型负责把重点变成行动，大语言模型负责用人话讲清楚。这与 多模态输入 里“先独立编码、再融合”的思路一脉相承。
路由怎么做：任务、预算与置信度
模型路由不是简单的“if 直播就用快模型”。它通常考虑三件事：任务类型，决定需要哪些专用模型；延迟预算，决定能不能等重模型；置信度，决定要不要升级到更强的模型或让人复核。举个示意场景：一次疑似精彩片段，事件模型给出 0.85 的分数，直接上屏为候选；分数在 0.5 到 0.7 之间，交给视觉模型二次确认；赛后复盘时，同一个事件才会交给大语言模型写成带解释的卡片。
路由策略有几种常见写法：规则式，按场景写死，可解释但不灵活；分类器式，让一个小模型判断该走哪条路；级联式，先用便宜的模型，不确定再上贵的。PA真人的实践往往是规则加级联的组合，因为规则容易审计，级联能省算力。要注意的是，路由器本身也会错，比如把复杂问题误判成简单问题，因此需要在评估里单独统计路由的准确率，而不只看最终答案。
统一上下文层：让各模型看同一份比赛
模型分工以后，最容易出的问题是“各说各话”：视觉模型认为选手在 A 点，Telemetry 显示在 B 点，事件模型却记了另一个时间。解决办法是一层统一的比赛上下文：同一个时间轴、同一套实体命名（选手、地图区域、技能）、同一份事件记录，所有模型都往里写、从里读。这层与 长上下文的事件记忆 天然相通，可以合并设计。
PA真人平台的设计思路是，把上下文层当作各个模型之间的“共同语言”，而不是让它们直接互相调用。这样替换某一个模型，比如升级视觉检测器，只要输出格式不变，其他部分不必改动；出现分歧时，也能在上下文层里核对是谁的记录与事实不符。
评估与回退：模型也会出问题
分工带来了灵活，也带来了更多故障点。评估需要分层：每个模型有自己的指标，如检测的召回与误检、事件排序质量、推荐后的实战改善；系统层还要看端到端的延迟与一致性。特别是路由后的整体表现，不能只看单模型准确率，否则会出现“每个模块都很好，合起来却不通顺”的情况。
回退机制则是让系统在部分失效时依然有用。视觉模型读不到小地图，就退回只用 Telemetry；Telemetry 缺失，就改用画面检测并降低置信度；大语言模型超时，直播链路就直接输出结构化事件卡片，稍后再补文字解释。回退时要明确告知使用者：这一条来自较弱的信息源，只作参考。这一点也符合“建议、参考、辅助判断”的原则，AI 不该对没有证据的结论显得太笃定。
