arXiv 2026年10月2日作者提出 Foresight：一种免训练的双流架构，用两个共享权重、输入编码器与 KV 缓存的 Siamese LLM，让一个副本持续摄取视频流、另一个副本提前读取同一因果状态并生成计划，决定何时再推理、届时检查什么、以及其间采样多密；在冻结的 Qwen3-VL-8B 上，OmniPro Online 平均联合 F1 达 23.0（最强训练基线 MiniCPM-o 4.5 为 13.5），StreamingBench 提升骨干 6.7 分并取得最优总体成绩，OVO-Bench 提升 15.4 分，其中证据在视频后段才出现的 Forward Active Responding 提升最大，为 18.7 分。作者提出 Foresight：一种免训练的双流架构，用两个共享权重、输入编码器与 KV 缓存的 Siamese LLM，让一个副本持续摄取视频流、另一个副本提前读取同一因果状态并生成计划，决定何时再推理、届时检查什么、以及其间采样多密；在冻结的 Qwen3-VL-8B 上，OmniPro Online 平均联合 F1 达 23.0（最强训练基线 MiniCPM-o 4.5 为 13.5），StreamingBench 提升骨干 6.7 分并取得最优总体成绩，OVO-Bench 提升 15.4 分，其中证据在视频后段才出现的 Forward Active Responding 提升最大，为 18.7 分。Foresight 让冻结的 Qwen3-VL-8B 在流式视频中自行规划未来感知，OmniPro Online 联合 F1 达 23.0，超过最强训练基线 9.5%作者提出 Foresight：一种免训练的双流架构，用两个共享权重、输入编码器与 KV 缓存的 Siamese LLM，让一个副本持续摄取视频流、另一个副本提前读取同一因果状态并生成计划，决定何时再推理、届时检查什么、以及其间采样多密；在冻结的 Qwen3-VL-8B 上，OmniPro Online 平均联合 F1 达 23.0（最强训练基线 MiniCPM-o 4.5 为 13.5），StreamingBench 提升骨干 6.7 分并取得最优总体成绩，OVO-Bench 提升 15.4 分，其中证据在视频后段才出现的 Forward Active Responding 提升最大，为 18.7 分。作者提出 Foresight：一种免训练的双流架构，用两个共享权重、输入编码器与 KV 缓存的 Siamese LLM，让一个副本持续摄取视频流、另一个副本提前读取同一因果状态并生成计划，决定何时再推理、届时检查什么、以及其间采样多密；在冻结的 Qwen3-VL-8B 上，OmniPro Online 平均联合 F1 达 23.0（最强训练基线 MiniCPM-o 4.5 为 13.5），StreamingBench 提升骨干 6.7 分并取得最优总体成绩，OVO-Bench 提升 15.4 分，其中证据在视频后段才出现的 Forward Active Responding 提升最大，为 18.7 分。