arXiv AI· Yuchen Sun, Siyuan Cheng, Shi-Zhe Chen, Yixin Qin, Jinwen Luo, Zheng Wei·· 17 小时前评分58
ForeSeek: Foresight-Driven Reasoning for Long-Form Video Understanding
摘要
为解决此问题,我们提出ForeSeek,一种基于前瞻性的视频代理,将长视频推理从反应性检索转化为预测性探索。不同于盲目地探查时间线,ForeSeek在未见的时空区域形成视觉基础预期,通过有针对性的观察验证,并根据新出现的证据持续优化搜索,其中失败的预期作为有指导意义的信号用于有原则的回溯。此外,我们开发了一个两阶段训练框架,使MLLMs具备前瞻引导的推理和高效的决策能力。
推荐理由
请对照arXiv AI原文,核对完整说明及适用条件。
本站只提供摘要与原文入口。完整内容请阅读原文。
来源:arXiv AI · arxiv.org