arXiv · 机器人与计算机视觉· Junzhang Liu, Hao Yuan, Yiming Wu, Qi Zhang, Long Chen, Zhecan Wang·· 23 天前AI 评分72
LARVA:一种用于视频理解的联合潜在推理与观测框架
Joint Latent Reasoning and Observation for Agentic Video Understanding
AI 导读
arXiv 预印本介绍了一种名为 LARVA 的框架,旨在将多轮视频智能体的能力蒸馏到更小模型中。该框架通过让观测器传递紧凑的连续表示给推理器(而非仅用文本描述),并辅以观测重建和分布对齐的监督信号,使模型能同时学习如何表征证据以及如何行动。
来源:arXiv · 机器人与计算机视觉 · arxiv.org