跳到主要内容
检索

# 智能体视频推理

1 篇关联报道

订阅更新
  1. arXiv

    视频智能体越堆越复杂却常不如直接看:SAVE用简单探索在Minerva上以约六成成本追平原生推理

    在统一Gemini 3 Flash与Gemma 4两个骨干、并计入token与费用的受控评测中,多数现有视频推理智能体未能稳定超过直接调用骨干的原生推理,且往往更贵。SAVE保留最简交互循环,只把查询单位从单帧改为时间区间,并按区间长短自适应调整场景切分与视觉分辨率。在Minerva上,SAVE用Gemini 3 Flash取得66.4%准确率,与原生推理的64.8%相当,推理费用降低约60%。

已读完全部报道