热点事件观察中
VideoJev：视频理解与交互统一决策模型论文
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
VideoJev研究团队发表论文，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VideoJev，用对时间区间与文本选项打分的共享头替代多模态大语言模型的自回归解码，从而同时覆盖时序定位和多选视频问答。 在三个时序定位基准上，VideoJev-4B与VideoJev-35B-A3B相对各自基座的平均mIoU分别提升6.7和10.8个点，测得推理速度为基座的2.8至3.1倍；在四个视频问答基准上，两者在Thinking模式下性能与各自基座相当，测得推理速度为基座的100倍以上。
AI 根据报道生成 · 1 小时前更新
最新进展10月13日 04:00
VideoJev：面向视频理解与交互的System One模型报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- HF Daily Papers精选VideoJev：面向视频理解与交互的System One模型
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。