寻找恰当证据：面向长视频的因素引导式粗到细推理

英文标题：Finding the Right Evidence: Factor-Guided Coarse-to-Fine Reasoning for Long Videos

该研究关注长视频问答中的证据定位问题，指出尽管长视频视觉语言模型（LVLM）快速发展，相关证据往往十分稀疏。即使模型获得了与问题相关的上下文，这些上下文也常常缺少能够区分正确答案与看似合理替代答案的关键线索。论文提出“因素引导式粗到细推理”思路，旨在帮助模型在长视频中更有效地发现和利用判别性证据。这一方向对需要处理长时序视频内容的 Agent、视频检索及多模态问答开发具有参考意义。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB