arXiv · AI· Yiyang Huang, Yitian Zhang, Yizhou Wang, Jianglin Lu, Qihua Dong, Hailing Wang, Huimin Zeng, Mingyuan Zhang, Yun Fu·· 2026-10-08AI 评分33
RACER 提出无反例框架,结合查询解读与工具检索优化长视频理解
RACER: Reflective Agent Coupling Query Interpretation and Tool-Based Retrieval for Frame Selection in Long Video Understanding
AI 导读
RACER 提出一种无需训练的反思性智能体框架,旨在解决长视频帧选择中基于相似度方法的“查询理解差距”和基于判断方法的“解释-选择差距”。该框架由轻量级视频大语言模型将复杂查询重构为子查询,再由嵌入模型作为检索工具定位相关证据,两者形成反射循环以迭代优化。实验显示,即使在组件能力有限时,该智能体整合也能有效提升多种基准测试中的长视频理解性能。
来源:arXiv · AI · arxiv.org