Senbin Xu

SPARE框架通过自适应检索增强流媒体视频理解

研究人员开发了SPARE，一个旨在通过智能整合历史上下文来增强流媒体视频理解的新型框架。SPARE使用一个轻量级门控来判断近期观察是否足以回答问题，如果不足，则检索相关的历史片段来补充当前上下文。这种方法通过LoRA指令调优进行训练，允许模型联合使用近期观察和检索到的历史信息，并在证据仍然不足时放弃。SPARE在OVO-Bench和StreamingBench等基准测试中实现了比Qwen3-VL-8B-Instruct等现有模型显著的准确性提升。