arXiv · 机器人与计算机视觉· Haibo Wang, Jiteng Mu, Jialu Li, Jingru Yi, Yuanjun Xiong, Jianming Zhang, Lifu Huang, Mingze Xu·· 22 天前AI 评分15
OmniSeek:多轮视听推理的原生工具集成框架(已撤回)
OmniSeek: Native Tool Integration for Multi-turn Audio-Visual Reasoning
AI 导读
OmniSeek 将 Omni-LLM 转化为具备原生工具使用能力的主动多轮推理智能体,通过动态决策何时查看或倾听来检索关键证据。该方法利用合成的 OmniTraj-170K 语料进行监督并采用两阶段强化学习优化策略,在多项基准测试中显著提升视听推理性能。作者因训练数据潜在问题已撤回当前版本,模型正内部复现验证,待结果确证后可能发布更新版。
来源:arXiv · 机器人与计算机视觉 · arxiv.org