AutoSkill

新的AutoSkill框架优化长视频问答的帧选择

研究人员开发了AutoSkill，一个新颖的框架，旨在为长视频问答自动发现和路由帧选择技能。该方法解决了现有方法对所有问题使用单一帧选择策略的局限性，证明了不同类型的问题受益于不同的策略。AutoSkill使用LLM代理和从无标签数据派生的分类法来迭代地提出、评估和改进技能，从而提高了Qwen2.5-VL-7B和Qwen3.5-4B等模型的性能。