AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:视频大模型×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月9日
11:04
11:04arXiv cs.LG@Apratim Bhattacharyya, Shweta Mahajan, Sanjay Haresh, Rajeev Yasarla, Reza Pourreza, Litian Liu, Risheek Garrepalli, Roland Memisevic
精选
研究人员提出了 Ego-MC-Bench 基准测试,用于评估视频大语言模型在实时任务指导中主动干预纠错的能力。该基准聚焦于烹饪场景,要求模型在用户犯错时及时介入。实验表明,当前最先进的视频 LLM 在此任务上表现不佳,主要原因是缺乏包含错误和适时干预的训练数据。为此,团队还创建了 Ego-CoMist 合成数据集,通过将非交互式烹饪视频转化为带干预的监督示例。微调该数据集后,小型高效视频 LLM 的性能显著提升,适合部署在边缘设备上提供实时辅助。
论文视频大模型实时干预烹饪场景基准测试合成数据

推荐理由:这项研究直击视频 AI 助手的核心痛点——实时纠错能力,做智能烹饪指导或边缘 AI 应用的开发者值得关注,Ego-CoMist 数据集可以直接用于微调模型。
原文
精选全部日报登录