VideoTreeSearch 让长视频智能体能回溯改路
mohitban47 · x · 2026-07-24
这篇工作提出了 VideoTreeSearch（VTS），用于 长视频 grounded QA 的自纠错智能体框架。
核心做法
- 把长视频组织成一个 自适应时间树
- 让智能体在搜索证据时可以 回溯、改路、重试
- 不只是回答问题，还要定位支持答案的关键时间段
结果与意义
- 作者称它在 3 个 grounded long-video QA 基准 上有明显提升
- 这个方法还能迁移到 一般长视频问答
- 配图里展示了：相比连续裁剪的视频搜索方式，VTS 能通过离散树状动作更稳定地找到正确线索
所属事件:VideoTreeSearch通过树结构实现长视频精准问答(2 条相关)→
「多模态」频道最新
- RoboNeo 上线 3D 导演工作台，打通脚本到成片流程 — aziz4ai · 2026-07-24
- Seedance 2.0 展示森林打斗中的逼真水体物理 — azed_ai · 2026-07-24
- 一条 Prompt 就能给 Three.js 游戏补齐配音 — majidmanzarpour · 2026-07-24
- Gemini 提示词把真人肖像和手绘咖啡伙伴融合到一张图里 — satnam6502 · 2026-07-24
- ComfyUI 新增仅模型侧 LoRA 叠加与触发词拼接节点 — boulettoxx · 2026-07-24
- AI 动画叙事靠角色一致性和分镜提示词变得可复制 — Aiden_Tech_Ai · 2026-07-24