OVO-Bench
PulseAugur coverage of OVO-Bench — every cluster mentioning OVO-Bench across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Realtime-Venus系统实现全双工交互，采用双AI模型 · 追踪2个来源
研究人员推出Realtime-Venus，一个旨在实现更自然人机交互的新型全双工交互系统。该系统利用两个专门的9B模型：Realtime-Venus-Omni用于视听任务，Realtime-Venus-Audio用于语音交互。这些模型通过共享时间线整合了连续感知、对话控制和语音生成，允许在不中断前景对话的情况下进行异步后台推理和工具执行。Realtime-Venus-Omni在视频基准测试中表现强劲，而Realtime-Venus-A…
-
新AI模型通过高效内存管理增强流视频理解 · 跟踪7个来源
研究人员正在开发用于流视频理解的新方法，重点关注多模态大语言模型（MLLMs）的高效内存管理。LatentStream和ShallowStream提出了超越简单存储和检索内存范式的新颖框架。LatentStream将历史证据内化为演化的潜在记忆，而ShallowStream使用浅层模型来高效编码帧和检索索引。其他方法，如CoFiE和StreamScout，也旨在通过解耦证据选择和自适应地决定何时更深入地处理帧来提高效率，同时在各种视频…
-
StreamOPD 通过新的训练后技术增强流式视频理解能力
研究人员推出了一种名为 StreamOPD 的新颖训练后技术，旨在增强流式视频理解能力。该方法利用具有可验证奖励的 on-policy distillation 和时空线索门控机制，在无需额外推理时间内存的情况下，实现了接近教师模型的性能。StreamOPD 在 StreamingBench 和 OVO-Bench 等基准测试中表现出显著的改进，为开源流式视频研究提供了一种透明且可复现的方法。
-
StreamTTT 通过实时感知和长期记忆增强流式视觉语言模型
研究人员开发了 StreamTTT，一种通过平衡实时感知与长期记忆来增强流式视觉语言模型（VLMs）的新方法。与牺牲回忆以换取即时感知的先前方法不同，StreamTTT 将长距离历史集成到注意力上下文之外的快速权重中，而短缓存则处理近期信息。这种设计旨在防止注意力稀释，并提高需要即时理解和历史回忆的任务的性能。在 OVO-Bench 和 StreamingBench 等基准上的评估表明，StreamTTT-4B 在实时感知和向后追溯能…
-
新的VST范式使VideoLLMs能够同时观看和思考
研究人员推出了一种名为视频流思考（VST）的新范式，旨在使在线视频大语言模型（VideoLLMs）能够同时处理和推理视频内容。该方法通过将逻辑推理与传入的视频流相结合，旨在提高实时理解和认知能力，从而降低延迟。VST框架包括一个包含VST-SFT的后训练管道，用于将离线模型适应流式推理，以及通过自我探索进行端到端改进的VST-RL。在StreamingBench和OVO-Bench等基准上的评估证明了VST在各种视频理解任务中的效率和强大性能。
-
FOLIO系统通过聚焦语义记忆增强流媒体视频理解能力
研究人员推出FOLIO，一个新颖的、无需训练的系统，用于理解流媒体视频。FOLIO通过智能压缩和保留信息，解决了连续视频流中无限内存成本的挑战。它优先为关键实体和动作保留详细记录，同时保持周围上下文的紧凑性，利用动态焦点状态和混合检索机制进行高效查询。该方法在OVO-Bench和StreamingBench等基准测试中取得了最先进的性能，同时显著降低了内存需求。
-
SelectStream 框架通过选择性内存分配增强流媒体视频 AI
研究人员开发了 SelectStream，一个用于流媒体视频理解模型的新颖框架，该框架选择性地分配内存，以解决在固定计算预算下处理连续视频数据的挑战。与之前不加区分地注入历史记录的方法不同，SelectStream 使用条件查询的证据预算来优先考虑当前场景感知。该框架采用由惊喜驱动的窗口化、保留优先级的巩固以及图推理来管理内存，在 StreamingBench 和 OVO-Bench 等基准测试中取得了强劲的性能。