提出LensWalk,一种通过让大语言模型主动规划视频观察(时序范围与采样密度)来实现渐进式证据收集的智能体框架,无需模型微调即在LVBench和Video-MME等长视频基准上提升准确率超5%。
机构:中科院
来源:arXiv 2603.24558 | AI4Papers 论文推荐平台