Light-Omni：长期记忆下代理视频理解中的反射优于推理

英文标题：Light-Omni: Reflex over Reasoning in Agentic Video Understanding with Long-Term Memory

代理视频理解为模型配备长期记忆，使其能自主处理并响应持续的长时序多模态流。然而，先进的视频代理常依赖“侦探式”迭代推理进行动作控制，导致效率与实时性不佳。本研究提出 Light-Omni，强调在代理视频理解中以反射式响应取代复杂推理，并整合长期记忆机制，为开发者提供更轻量、更快的视频代理架构思路。

2.6 KB 2.1 KB 612 B 380 B 9.1 KB 22.8 KB 24.2 KB 34.7 KB