PulseAugur
中
实时 22:53:43
English(EN) EvoVid: Temporal-Centric Self-Evolution for Video Large Language Models

EvoVid框架使视频大语言模型能够利用原始视频数据进行自进化

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为EvoVid的新型框架，旨在通过时间中心自进化来增强视频大语言模型（Video-LLMs）。与以往仅限于静态数据的自进化方法不同，EvoVid通过关注时间动态，使Video-LLMs能够直接从原始、未标注的视频中学习。该框架结合了用于问题生成和视频片段定位的专门奖励，从而在多个基准测试和基础模型上实现了持续的性能提升。 AI

影响 使Video-LLMs能够直接从未标注的视频中进行改进，有可能减少对昂贵的人工监督的依赖。

排序理由 该集群包含一篇详细介绍视频大语言模型新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Shiqi Huang, Ziyue Wang, Zhongrong Zuo, Han Qiu, Qi She, Bihan Wen ·

    EvoVid: Temporal-Centric Self-Evolution for Video Large Language Models

    arXiv:2605.21931v1 Announce Type: new Abstract: Recent Video Large Language Models (Video-LLMs) have demonstrated strong capabilities in video reasoning through reinforcement learning (RL). However, existing RL pipelines rely heavily on human-annotated tasks and solutions, making…

相关实体

相关话题