StreamVibe 论文发布:流式视频智能体推断隐式意图,交互性能提升 12.3%
_akhaliq · x · 2026-10-27
ArXiv 新论文 StreamVibe 关注视觉语言模型从离线被动理解走向在线主动交互的缺口:现有方法依赖显式请求,忽略隐式用户意图(如用户浏览网页时“我该点哪里?”),且无法随意图演化持续更新理解。
主要贡献:
- StreamVibe-Bench:覆盖显式、隐式、动态意图的基准,含 4.1K 评测样本与 85K 训练样本
- StreamVibe-VL:流式主动模型,从连续观察中推断隐式意图并动态调整交互,响应时机与回答质量较现有基线提升 10.7%,同时保留较强通用视频理解能力
- StreamVibe-Harness:用分层记忆把用户意图维护为可灵活生命周期的持久状态,持续交互下主动交互性能再提升 12.3%
实验还发现现有主动模型在隐式与动态意图下,理解意图与判断何时响应的能力仍然有限。
所属事件:谷歌等机构发布 StreamVibe 视频智能体(2 条相关)→
「编程与Agent」频道最新
- Anthropic 公布 12 条 Claude Opus 5.5 新提示词规则 — JeremyCMorgan · 2026-10-28
- TraceTrial-Bench：31.1% 的 Agent 任务成功却违反 harness 标准 — _akhaliq · 2026-10-28
- NVIDIA 开源完整工作流：用合成人设与 LoRA 微调 Nemotron 适配本地化 — NVIDIAAI · 2026-10-28
- 玩家自制「Sandman 机器人」追杀上下文膨胀的 Grok bot — alexcovo_eth · 2026-10-28
- 苹果 iPrefBench 揭示移动 Agent 短板：执行力强但个性化差 — apple · 2026-10-28
- 阿里通义 MAI 团队开源 9B GUI Agent 模型，可同时操控手机和电脑 — AdinaYakup · 2026-10-28