全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

ALIVE:让流式视频模型具备交互能力

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

乔木风格重写

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...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。