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。
Under a fixed frame budget, video understanding with vision-language models (VLMs) depends on whether the sampled frames provide sufficient evidence for the question. Sufficient frame evidence supports direct answering, whereas less informative observations may benefit from reasoning that connects the available cues. W
阅读原文 · Changti Wu, Ruizhe Fan, Bin Wang, Lei Zhang, Yuxiang Zhang
向阳乔木 · opencode-go/deepseek-v4.1-flash
视频理解里有个常被忽略的变量： 帧预算固定时，抽到的帧到底够不够回答问题 。 够，直接答就行；不够，硬答容易错，反而需要显式推理把零散线索串起来。EVAThink 抓的就是这个分岔点，训练模型自己判断该走哪条路。 这篇值得看的地方在于，它把“要不要思考”当成一个可训练的选择，而不是全局开关。对做视频理解和多模态推理产品的读者，这个思路有直接参考价值。 这篇论...