LARVA视频智能体理解框架发布

2026年10月27日，arXiv发布的论文《LARVA框架：联合隐式推理与观察的视频智能体理解方法》正式提出LARVA框架。该框架通过联合学习隐式推理与视觉观察，实现对多轮视频智能体的蒸馏，旨在提升视频理解效率。\n\nLARVA采用紧凑连续表示替代文本描述，由观察者向推理器传递信息以指导智能体执行下一步行动。该设计优化了多轮交互中的信息流转机制。\n\n在VideoHolmes、Video-MME和LVBench三个基准测试中，基于7B模型的LARVA表现优于同等文本思维链（CoT）学生模型。具体而言，在三项基准上的得分分别高出5.1、2.5和3.7个百分点。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。