M3-Bench-web

AI模型通过新的记忆和推理框架推进长视频理解

研究人员开发了新的框架来改进AI模型理解和推理长视频的方式。Homer利用分层记忆结构，按时序和因果联系组织信息，实现更复杂的叙事推理。Latent-VC通过使用循环缓存来在生成过程中保留视觉记忆，解决了“视觉锚定衰减”问题，从而产生更准确、更简洁的响应。EGAgent专注于以自我为中心的视频理解，应用于可穿戴AI助手等场景，采用实体场景图和规划代理进行长时间的多跳推理。