本期主线问题：遥感 VLM 是不是必须走"专用架构"这条路？最值得先看的是 More with Less------它用通用视觉语言模型 + 多任务强化学习，不新增任何遥感专用模块，就在高分辨率、多时相、多模态、多视角一堆基准上拿到有竞争力的结果，结论直白：对遥感 VLM 来说，数据规模比架构创新更值钱。
1. More with Less：通用 VLM 挑战"专用架构"假设（头条）
- 是什么：遥感视觉语言模型训练配方（论文自报）。它明确挑战领域主流假设------"遥感数据特殊，必须设计专用编码器/对齐模块/融合机制"。做法是拿一个通用 VLM 起步，用单语言策略统一输出：要么直接答文本，要么调用 SAM3 做分割与接地；训练用多任务强化学习，每个任务配自适应奖励。
- 主要发现：从 2.3M 原始数据池精选 80k 唯一样本、覆盖 16 个标注源，多任务 RL 训练后，在高分辨率 VQA、多时相、多模态、多视角等基准上取得有竞争力的结果；OOD（分布外）增益与训练数据多样性正相关（论文自报）。
- 为什么值得关注：遥感 VLM 领域"加模块"是默认动作，这篇给了反例证据------先问数据够不够、任务铺得够不够宽，再考虑改架构。INSAIT（索非亚大学）团队，作者含 Luc Van Gool。
🤔 辩证思考：观点犀利但本质是"规模定律在遥感域的再验证"------它证明通用架构+大数据可行，没证明"专用架构一定多余"；80k 样本/2.3M 池的精选工程才是真正的护城河，论文没展开讲这套筛选规则怎么定。OOD 增益报告里 XLRSBench-det 是 7.6 倍离群点，被排除出平均------这个数字其实值得读者自己去看一眼，它可能暗示"检测类任务仍未饱和"。
2. Filling-Before-Advancing：先补能力缺口，再谈场景特化
- 是什么：遥感 MLLM 的后训练方法（论文自报）。针对"目标域高质量数据稀缺 + 能力覆盖不全"的困境，提出三阶段流程：RS 语义锚定（俯视视角的图文对齐）→ 域桥收敛（跨场景共享遥感先验）→ 证据接地的场景调优。配套构建 CPRS 三层监督数据集与 HarborEval 八轨评测（海岸港口场景）。
- 为什么值得关注：SFT 微调遥感大模型很容易"学歪"------目标域样本少，模型记住了场景却没补上基础能力。这篇把"先补课再上课"做成显式流程，对做垂域微调的人有直接参考价值。
🤔 辩证思考：三阶段本质是课程学习（curriculum learning）的变体------先易后难、先通用后专用，思路成熟但落地扎实。局限是只在一个场景（海岸港口）验证，跨场景普适性未报告；"能力缺口"怎么检测、缺口没填满怎么判定，论文未给出可操作的量化标准。
3. SkyVLaM：UAV 视频里的小目标，用稀疏 token 抓
- 是什么：面向无人机视频的遥感多模态大模型（论文自报）。UAV 视频语言条件分割难在：目标小、视觉模糊、视角动态变化。SkyVLaM 从 patch 级视频表示直接构造稀疏 token（时间基感知器），用正则化让稀疏基携带互补时间线索，再自适应选一段时序连贯的稠密片段做高分辨率检查------稀疏+稠密 token 一起进 LLM 做查询条件分割。
- 主要发现：配套构建 SkyVid 数据集，含视频接地对话（VGCG）与视频目标分割（RVOS）两个子集：101 个视频、33.6K 帧、1.53M 标注（论文自报）。
- 为什么值得关注：UAV 视频是遥感里"动"的场景，多数遥感 VLM 只处理静态影像。这条把视频时序结构做进 token 设计，给无人机巡检类应用提供了可参考的建模方式。
🤔 辩证思考：稀疏 token 是视频理解里"降计算"的通用思路，贡献在把时序基感知器适配到 UAV 小目标场景------方向对，但论文未报告与全 token 基线的计算-精度权衡曲线，"稀疏"到底省了多少、值不值，读者看不到账。SkyVid 是新数据集，规模（101 视频）在视频基准里偏小，后续能否成标准待观察。
4. FUSAR-R1：SAR 影像的大规模推理模型
- 是什么：面向合成孔径雷达（SAR）影像解译的大规模推理模型（论文自报）。SAR 图像受相干成像机制影响，噪声结构复杂、标注稀缺，传统解译方法难以表达复杂语义。FUSAR-R1 把视觉语言大模型的范式引入 SAR 解译，结合文本语义提升认知表达与交互能力。
- 为什么值得关注：SAR 是遥感里"最难啃"的模态之一------不像光学影像直观，解译门槛高。大模型能把 SAR 解译从"专家看图"推向"自然语言对话式解译"，对灾害监测、海洋监视等 SAR 主力场景是实用方向。
🤔 辩证思考：方向正确但信息量有限------论文自报以"初始进展"定位，关键数字（在哪些 SAR 基准、比基线高多少）在摘要中未给出，需要读全文才能判断"大规模"是否名副其实。SAR 领域已有多个专用基础模型，FUSAR-R1 与它们的具体差异和优势点，论文未在摘要层交代清楚。
5. GeoThreat：给遥感大模型做"定向攻击"
- 是什么：针对遥感视觉语言模型（LVLM）的可迁移定向对抗攻击方法（论文自报）。通用视觉域已有大量攻击研究，遥感域几乎空白；而遥感解译需要局部判别线索与全局结构联合推理，攻击设计必须兼顾两者。
- 为什么值得关注 ：遥感 LVLM 正在进入应急响应、灾害评估等安全敏感场景------如果对抗样本能让模型把灾情判错，后果严重。这篇把"鲁棒性评估"这个通用域成熟话题带进遥感域，给部署遥感大模型的人提了个醒：别只测精度，测测抗攻击能力。
🤔 辩证思考 ：可迁移定向攻击在通用域已有成熟方法族（如投影梯度下降类），这篇的贡献是把问题域搬到遥感并做适配------新意有限但填补空白。摘要未给出攻击成功率/迁移率数字，实际威胁等级需看全文；且对抗鲁棒性与真实部署风险之间还有距离，读者别过度恐慌。
6. RS-MLLM 全景综述：专用模型到底赢在哪
- 是什么：遥感多模态大模型系统综述 + 诊断评测（ISPRS JPRS，论文自报）。系统梳理 RS-MLLM 技术演化（模型设计/多模态学习/训练数据/下游能力），并跨任务、跨基准对比遥感专用 MLLM 与通用视觉 MLLM（CV-MLLM）。
- 主要发现 ：反常识结论------通用 CV-MLLM 在多个遥感任务上不经过遥感微调，就能匹敌甚至超过专用 RS-MLLM；RS-MLLM 的保留优势集中在遥感视觉接地与高分辨率 VQA（论文自报）。
- 为什么值得关注：这正是本期头条 More with Less 的"学术版证据"------两条独立线索指向同一判断：遥感 VLM 的专用架构优势没有想象中牢固。做选型的人可以直接拿这篇的对比表当参考。
🤔 辩证思考：综述价值高，但要警惕"平均结论"的误导------"通用模型匹敌专用模型"是跨任务平均后的说法，具体任务上可能两极分化（有的碾压、有的惨败），综述未在摘要层给出任务级明细。另外评测基准本身多为遥感社区自建，通用模型在这些基准上的表现是否等于真实遥感场景表现，仍需存疑。
综合洞察（2 条）
- 判断 ：本期最强的信号是"数据与任务多样性 > 架构专用性"在遥感 VLM 领域被反复验证------More with Less 用实验、JPRS 综述用跨模型评测，两条独立证据指向同一结论。做遥感 VLM 的团队，下一步优先考虑扩数据、铺任务，而不是继续堆模块。（依据：条目 1 的 80k/2.3M 配方与条目 6 的对比结论）
- 信号 ：遥感大模型的安全与鲁棒性评测刚起步------GeoThreat 是遥感域少见的对抗攻击研究，说明社区开始从"能不能用"转向"可不可信"。这是一个值得跟踪的信号，后续大概率会出现更多遥感鲁棒性基准。（依据：条目 5 填补空白、条目 6 综述未覆盖鲁棒性维度）
附录 A · 本期相关链接
- More with Less（arXiv 2607.15942）
- Filling Before Advancing（arXiv 2607.22205）
- Filling Before Advancing · GitHub 仓库
- SkyVLaM（arXiv 2607.17386）
- FUSAR-R1（arXiv 2607.16819）
- GeoThreat（arXiv 2607.21036）
- GeoThreat · GitHub 仓库
附录 B · 补充说明
- 数字口径：全部为论文自报（📚论文自报），统计时点 2026-08-31。More with Less（80k/2.3M/16 源）、SkyVLaM（101 视频/33.6K 帧/1.53M 标注）均与 PDF 原文核对一致。
- 下载链接：2 个 GitHub 仓库（filling-before-advancing、GeoThreat）已逐个核实可访问（2026-08-31 验证，仓库 README 可正常读取）；其余条目论文未提供开源链接，按规范不写下载承诺。
- 头条选择说明：More with Less 以"反常识结论 + 权威团队"入选头条；GeoThreat 与综述分列 5、6 位（安全评测与体系化证据）。