arXiv · NLP· Yi Wang, Tianzi Wang, Peter Bell·· 6 小时前AI 评分33
OmniAgent 通过工具集剪枝与模态融合实现高效音视频问答
Efficient Agentic Audio-Visual Question Answering through Toolset Pruning and Modality Consolidation
AI 导读
基于 OmniAgent 的两工具智能体在三个 AVQA 基准测试中，精度可比或优于专业工具智能体，推理成本降低约 70%。 该方案通过剪枝工具集，将特定于音频和视觉模态的专业工具逐步整合进全模态工具，最终仅保留全模态字幕生成和全模态问答两个核心工具。
来源：arXiv · NLP · arxiv.org