arXiv · 机器人与计算机视觉· Kerui Chen, Jinglu Wang, Yun Wang, Xinjiang Wang, Yan Lu·· 2026-10-20AI 评分43
Video-EMem:一次编码复用多问的长视频可进化记忆架构
Write Once, Query Many: Evolving Compact Reusable Memory for Long Videos
AI 导读
Video-EMem 通过时间锚定感知观测构建可进化视频记忆,将存储量平均减少约 99.86%。在冻结底层模型前提下,其演化策略使 Qwen3-VL-30B 在三项长视频问答基准上平均准确率提升 2.6%,相比直接输入 2,048 帧效果更佳。该架构使用与最先进智能体方法相同的 o3 回答模型,在降低单次查询延迟的同时,将平均准确率提升了 2.5%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org