速评：arXiv 上挂了篇论文，标题叫《Who Leads Now? Token-Level Modality Arbitration for Chart-to-Code Generation》，一个问句。这年头敢在标题里用问句的论文，要么是心里真有底，要么是摊上事了。
图表转代码，这个方向不新鲜，每隔几个月就冒出来一篇"我们终于把图表整明白了"。Vega-Lite、ChartQA，还有一堆我没记住名字的 benchmark，翻来覆去就那些套路。所以这篇刚挂出来的时候我没当回事——直到我瞟了一眼摘要里那个动词：相当。
"在三个基准测试上，MoCA 取得了与通用领域模型和图表专用模型相当的性能。"
相当。不是"超越"，不是"碾压"，不是"显著领先业界最优"。你在这个圈子里泡久了就知道，这个动词现在已经快绝迹了。大家写论文都像在开发布会，形容词通胀得比哪儿的 CPI 都猛，"大幅领先"起步，"登顶榜单"标配，你要是敢写"差不多"，审稿人先觉得你态度不端正。所以当我看见这篇论文老老实实写了"相当"两个字，第一反应是感动——然后立刻警觉：是不是被这行捆出 PTSD 了。
说回正事。MoCA 这个方案，核心是跨模态仲裁：一个视觉分支，一个代码分支，中间一个轻量级仲裁器，在每一层、每一个生成的 token 上决定两个分支各出多少力。图表转代码这个任务有个绕不开的麻烦——输入是图，输出是代码，中间隔着一道模态的沟。以前的方案要么让视觉主导，要么让语言模型硬扛，MoCA 的选择是：别争了，每个 token 上临时表决一次。
这个机制本身不惊世骇俗，但它有一个细节让我觉得这篇论文可能真不是来混的。论文花了不小的篇幅分析仲裁器到底学到了什么，结论是：仲裁器学到的分配是结构化的，不是任意的——专家贡献会随 token、网络层、实例发生系统性变化。这个细节很值钱。仲裁器这种设计，最怕训着训着就变成一个马屁精，永远把权重拍给同一个分支，那它跟装饰品有什么区别。能证明它真的在根据不同情况做不同判断，而且变化是结构性的、不是随机抖动，这一条比那个"相当"的性能结果更配得上论文的篇幅。
当然，光有机制设计还不够。消融实验显示提升不是来自更大的模型规模，而是来自互补的视觉与代码初始化加上 CAB 的输入条件化仲裁。换句话说，这不是堆参数堆出来的，是分配制度改出来的。在现在这个"模型不够大就不好意思出门"的行业氛围里，一篇论文敢说"我们的提升跟规模无关，跟分工有关"，这本身就是个态度。模型变大的故事大家都会讲，把模型内部的分工做细、做出结构，这个角度已经很久没人认真碰过了。
训练方案也不是没有可说的。先在自蒸馏的推理轨迹上做监督预热，把视觉理解拆成显式步骤，再用强化学习同时给推理过程和最终代码打分——两步走，先教它"怎么想"，再教它"想得对"。这个设计放在两年前不算稀奇，但放在 2026 年，大家全在卷端到端、卷黑盒、卷"只要输出对没人关心过程"的氛围里，有人回头把推理轨迹拆开做显式监督，我觉得这个逆流值得留个位置。
这里我打个问号，不吹到底：token 级别的仲裁，理论上很优雅，但它的收益边界在哪，论文没说清楚。如果仲裁器的优势在两个分支初始化差异足够大的时候才成立，那换个领域、换个任务，这套东西还能不能迁移，存疑。而且"与通用模型和专用模型相当"这个结果，翻译成人话就是：它既没有打赢通用模型，也没有打赢专用模型。这年头一篇论文敢把"打平了"当结果报告出来，也只有没 KPI 压力的学术圈才干得出来了——讽刺的是，这恰恰是它可爱的全部理由。
这篇论文挂在 arXiv 上到现在八天，按这个圈子的舆论速度，如果真有什么热搜体质，早该被薅出来鞭尸或者吹爆了。八天动静不大，原因你自己品。但它选在一个行业集体狂热于"更大、更强、更全能"的时间点，掏出一个让两个分支在每个 token 上商量着来的方案，然后心平气和地告诉你：效果相当，机制有结构。
它没有终结任何争论，它甚至没有试图终结。它只是在标题里问了一句：现在轮到谁领先了？这个圈子已经很久没人用问句了——大家全都忙着用感叹号，把什么都说得像已经赢定了。
谁领先？论文说，每一层、每个 token 上，商量着来。在"大就是领先"这行里，这算答案吗。