AITOP

Video-DeepResearch

共 1 条相关 AI 资讯
8月5日
12:27
12:27官方账号arXiv cs.AI@Zhen Fang, Yu Zeng, Wenxuan Huang, Yiming Zhao, Shiting Huang, Tianfei Ren, Qi Lu, Qingnan Ren, Qisheng Su, Lionel Z. Wang, Qingyu Yin, Shuang Chen, Zehui Chen, Lin Chen, Zhenfei Yin, Yao Hu, Shaohui Lin, Wanli Ouyang, Shaosheng Cao, Feng Zhao
论文提出 Video-DeepResearch，将多模态智能体从静态图像扩展到连续视频流，要求密集时空定位与开放网页探索结合。在 Video-DR-Bench 基准上，Video-DeepResearch-35B-A3B 平均准确率达 64.0%，超过 Claude-4.5-Sonnet（59.0%）5.0 个百分点，也优于 GPT-5（52.5%）和 Gemini 2.5 Pro（57.5%）。框架采用解耦的感知-探索流程，通过分阶段工具解锁强制跨帧视觉定位后再进行网页检索。训练结合监督微调与 GRPO，30B-A3B 变体达到 59.3%，与 Claude-4.5-Sonnet 相当。代码已开源。
论文Video-DeepResearch多模态智能体
推荐理由：Video-DR 让 AI 边看视频边上网核实信息，35B 参数干翻 Claude-4.5-Sonnet，还开源了，值得试试。
原文