LongVideoBench-Long

VideoXAgent 通过在线代理工具集解决长视频理解问题

研究人员开发了 VideoXAgent，这是一个用于理解长视频的在线代理工具集。该系统可以规划任务，按需使用 VLMs、OCR 和 ASR 等专业工具，并聚合证据来回答查询。VideoXAgent 旨在克服将整个视频打包到单个上下文窗口中带来的上下文遗忘和高计算成本的限制。与密集打包基线相比，它在 Video-MME-Long 和 MINERVA 等基准测试中表现出具有竞争力的性能，即使上下文占用空间显著减小。