Video-EMem 提出可进化长视频记忆框架
热点事件持续更新
Video-EMem 提出可进化长视频记忆框架
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月20日，Kerui Chen 等人在 arXiv 发布论文，提出 Video-EMem，一种基于时间锚定感知观察的可进化视频记忆框架。该框架旨在提升长视频问答性能，通过组合紧凑文本与稀疏图像实现记忆复用。 在底层模型冻结的条件下，该框架利用独立反馈机制进化 Writer 与 Reader 工作流及操作符。实验显示，相比未进化的基线模型，其平均准确率提升了 7.2%。这一改进完全通过工作流和操作的进化实现，而非修改模型参数。 在三个长视频 QA 基准测试中，Video-EMem 将 Qwen3-VL-30B 的平均准确率提升了 2.6%。同时，该框架在存储方面表现显著，平均存储量相比原始视频减少了约 99.86%，实现了高精度与低存储占用的平衡。
AI 根据报道生成 · 2 小时前更新
最新进展10月20日 12:00
Video-EMem：面向长视频的紧凑型可复用记忆框架报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · MLVideo-EMem：面向长视频的紧凑型可复用记忆框架
Video-EMem 提出可进化视频记忆框架，利用时间锚定感知观察组合紧凑文本与稀疏图像，提升长视频问答性能。 该框架通过独立反馈进化 Writer 与 Reader 工作流，在冻结底层模型条件下，相比未进化基线平均准确率提升 7.2%。 在三个长视频 QA 基准测试中，Video-EMem 将 Qwen3-VL-30B 的平均准确率提升 2.6%，且平均存储减少约 99.86%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。