Light-Omni：以反射代替推理的长视频理解多模态Agent框架
nanjinguniv · hf · 2026-07-08
南京大学研究团队提出Light-Omni，一种面向视频理解的多模态智能体框架。该框架通过"双重上下文状态"（dual contextual states）机制，摒弃传统迭代推理流程，在保持语义对齐的同时实现更快、更准确的视频处理，并具备长期记忆能力。Light-Omni的核心理念为"反射优于推理"（Reflex over Reasoning），旨在提升Agent式长视频理解的效率与准确性。