研究人员推出了StreamVibe，一个旨在通过理解不断变化的用户意图来赋能视觉-语言模型主动交互的新框架。该系统包括StreamVibe-Bench，一个用于评估意图感知交互的基准数据集；以及StreamVibe-VL，一个适应连续观察和不断变化的用户目标的流式主动模型。此外，StreamVibe-Harness利用分层记忆来将用户意图维持为持久状态，从而提高响应一致性和在持续交互中的适应性。 AI
影响 通过理解和适应不断变化的用户意图，增强了视觉-语言模型与用户主动交互的能力。
排序理由 该集群包含一篇详细介绍视觉-语言代理的新基准、模型和工具的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
StreamVibe introduces a benchmark, streaming vision-language model, and hierarchical memory harness to enable proactive, intent-aware interaction with implicit and evolving user goals.
arXiv:2610.34662v1 Announce Type: new Abstract: Vision-language models are shifting from offline passive understanding toward online proactive interaction. However, prevailing methods largely rely on explicit requests while miss the implicit user intent (e.g., "where should I cli…