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

VideoNexus:超越推理上下文的视频感知

Understanding long videos requires locating evidence, resolving visual details, and integrating observations into an answer. Even when relevant evidence is present, performing these operations within long, dense visual sequences burdens both perception and reasoning. Video agents enable selective inspection, but return

阅读原文 · Yancheng Long, Xuanyu Zheng, Wei Chen, Luoyuan Zhang, Haoyang Xu, Bin Wen, Tingting Gao

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

长视频理解有个很拧巴的地方:证据明明在视频里,模型却要先把大量画面塞进上下文,再开始推理。塞得少了怕漏关键细节,塞得多了推理又被拖垮。 VideoNexus 想拆开这件事。它让规划器只负责“去哪看、看什么、采样多密”,把真正的视频感知交给独立的子智能体,在各自的上下文里处理原生音视频,只回传紧凑、带时间定位的证据。 这个思路的价值在于:上下文里流动的是证据,...

  • 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。