跳到主要内容
检索

# 视频问答

2 篇关联报道

订阅更新
  1. arXiv

    BPO 用反事实视图行为包替代单响应奖励，使 Qwen2.5-VL-7B 时序硬子集准确率提升 7.8 个百分点

    该工作提出行为包优化（BPO），把视频多模态大模型后训练中的单响应奖励替换为按问题类型选取的反事实视图上的输出行为包并联合打分，要求无关干预下稳定、关键证据移除时敏感、无证据时弃答，并以原始视图响应作为锚点相对优势；在 TempCompass、MVBench、NExT-QA 上，BPO 使 Qwen2.5-VL-7B-Instruct 的宏平均准确率较同 SFT 检查点、预算匹配的 vanilla GRPO 基线提升 4.7 个百分点，时序硬子集提升 7.8 个百分点，弃答 F1 提升 20.0 个百分点，并迁移到 Video-MME、LongVideoBench 与 LLaVA-Video-7B。

    Stanford UniversityThe University of MelbournePeking University
    Zhaolu Kang（第一作者）
    行为包优化后训练多模态大语言模型视频问答Qwen2.5-VL
  2. arXiv

    MemLife用实体锚定的第一人称文本记忆加时间索引智能体读取器，在四个长时程第一视角视频基准上比最强免训练基线高出4.6–12.0%，MemOpt再以FIRM奖励只训练记忆写入器提升2.7–5.0%

    该工作提出MemLife——一个把第一视角视频压缩为时间与实体锚定的第一人称文本片段、并由时间索引的智能体读取器检索的多模态记忆系统，在无需训练、也无需查询时访问视频的条件下于四个长时程基准上比最强免训练基线提升4.6–12.0%；并进一步提出MemOpt，用忠实、信息量、可检索的FIRM奖励只对记忆写入器做强化学习，使MemLife再提升2.7–5.0%，且增益可跨写入器与读取器骨干、记忆系统以及域外视频与问题分布迁移。

    University of VirginiaUniversity of Illinois Urbana-Champaign
    Guangzhi Xiong（第一作者）
    MemLifeMemOptFIRM奖励智能体记忆视频问答

已读完全部报道