Lave

新的LAVE框架通过重用潜在视觉证据增强视频代理规划能力

研究人员推出了一种新颖的LAVE框架，旨在增强视频工具使用代理的规划能力。LAVE通过允许代理重用先前工具调用的潜在视觉证据，而不是仅仅依赖文本摘要，来解决“工具观察瓶颈”问题。这种双通道接口保留了文本轨迹和非语言化的视觉更新，使代理能够整合相关且先前未被语言化的证据。在Video-MME等基准测试上的实验表明，LAVE在可比帧预算下显著提高了性能，整体得分提高了3.76分。