Chain-of-Tool-Thought

新的SCOUT代理框架增强了长格式视频推理能力

研究人员推出了一种新颖的代理框架SCOUT，旨在改进对极长以自我为中心的视频的推理。SCOUT包含一个自检和恢复感知策略，可动态平衡视频片段的探索和利用。为了应对训练这些代理的挑战，研究团队开发了UPS-GRPO，这是一种不确定性优先策略优化方法，可增强长视界决策的信用分配。实验表明，SCOUT在超长以自我为中心的视频基准测试中取得了最先进的性能。