arXiv · 机器人与计算机视觉· Tianci Xie, Li Chen, Pinxue Guo, Rui Zheng·· 12 小时前AI 评分68
NexSight:面向细粒度智能体长视频理解的可验证任务
NexSight: Verifiable Tasks for Fine-Grained Agentic Long-Video Understanding
AI 导读
NexSight 提出一套用于评估和训练智能体长视频理解的框架,通过 SightForge 管道仅接受能被独立证据重构且无反例的任务,构建了 310 个可追溯任务的 SightLine 基准。该研究展示了在少量示例下微调模型能显著提升交互准确率并引入显式空间检查能力,同时指出当前最强模型在无辅助证据时表现仍有提升空间。
来源:arXiv · 机器人与计算机视觉 · arxiv.org