Video Large Language Models

EvoVid框架使视频大语言模型能够利用原始视频数据进行自进化

研究人员推出了一种名为EvoVid的新型框架，旨在通过时间中心自进化来增强视频大语言模型（Video-LLMs）。与以往仅限于静态数据的自进化方法不同，EvoVid通过关注时间动态，使Video-LLMs能够直接从原始、未标注的视频中学习。该框架结合了用于问题生成和视频片段定位的专门奖励，从而在多个基准测试和基础模型上实现了持续的性能提升。