HF Daily Papers·· 2 天前精选AI 评分45
VideoJev：面向视频理解与交互的System One模型
VideoJev: System One Model for Video Understanding and Interaction
AI 导读
VideoJev 提出将视频理解与交互统一为结构化决策任务的 System One 模型族，把预训练多模态大语言模型的自回归解码替换为对时间区间与文本选项打分的共享头，从而同时覆盖时序定位和多选视频问答。
推荐理由
原文给出了统一决策接口在时序定位和视频问答上的精度增益与实测加速比，便于评估其在长视频智能体工作流中的可复用程度。
来源：HF Daily Papers · huggingface.co