AI 解说员闯进没玩过的游戏，忘了名字就开口问

让 AI 解说员看一场没玩过的游戏直播，会发生什么？此前模型的答案是「张冠李戴」：解说的节奏都对，但会把新游戏的角色叫成训练游戏里的名字。新论文 StreamDuo（arXiv 2611.01120）给这个病开了个朴素的药方：忘了就问。

系统是双 agent 结构。解说员基于 LiveCC-7B，逐秒盯着视频流，两个小脑袋各司其职：说话头判断什么时候开口，提问头判断什么时候该查资料；整条系统里只有它被训练。研究 agent 则是一个冻结的 Qwen3-VL-8B，配 BM25 搜索工具，可查 19 万页的游戏 wiki。最妙的设计是提问方式：解说员不发文字问题，直接把当前帧丢过去，研究 agent 看图想搜索词、查 wiki、核对候选，最多返回三条词条，答案延迟两秒到达，解说流不断。

训练只在《博德之门3》的 10,286 段片段上进行，分两步：第一步用信息增益标签训练提问头，只有当答案能让模型复现人类解说时才标记提问时机，训练时还随机给实体改名，堵死背名字的捷径；第二步做 on-policy 自蒸馏，老师是同一模型的冻结副本，能看见带正确词条的理想答案，用放大加反向 KL 教学生学会消化带噪答案。

在 10 个未见游戏、2,470 段片段上考试：实体召回从基线 Proact-VL 的 0.082 提到 0.116；最刺眼的是源游戏名称泄漏，从 9.9% 压到 1.0%（基线 2,011 个名字里泄漏 200 个，它 3,363 个里只错 34 个）。整场测试只提问 264 次，约每六分钟一次，答案到达后正确命名实体的比例从百分之一二跳到 32%。效率上，研究 agent 平均 0.41 秒出答案，解说员每秒视频只花 0.26 秒计算，双 GPU 就能实时跑。

两处消融值得记下：自蒸馏阶段贡献最大，而只塞一份游戏档案几乎无效；把研究 agent 从 2B 换到 30B，召回几乎不动，说明瓶颈在分工机制不在模型大小。「知道自己不知道，然后开口问」，这条能力放到任何 agent 场景里都成立。