以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Streaming video LLMs can continuously observe the world, yet often handle user requests in isolation. We introduce ALIVE, an interactive streaming video model supporting proactive monitoring, streaming task coordination, and feedback-seeking interaction. We construct ALIVE-SFT-288K and ALIVE-RL-3K for two-stage trainin
阅读原文 · Jinzhao Li, Yuan Xu, Jinxuan Wu, Yukun Wang, Yijia Lei, Hanyu Ji, Yinuo Chen, Zining Huang, Chi Zhang, Hang Ye, Yiwu Zhong, Honglei Yan, Panwang Pan, Yizhou Wang, Yin Li, Miao Liu
向阳乔木 · opencode-go/deepseek-v4.1-flash
视频模型能一直看着世界,但用户问一句它答一句,前后请求之间没什么关联。ALIVE 想改的就是这个:让流式视频模型在持续观察的同时,自己判断什么时候该说话、什么时候该闭嘴、什么时候该反过来问用户。 这篇值得看的原因在于它处理的是交互节奏,并非单纯把视频理解做得更准。 流式场景下,“不说话”和“说对话”同样是需要训练的能力 ,这个视角在现有工作里不算常见。 这篇...