AI资讯新闻榜单内容搜索-VideoQA

关键词: AI新闻,模型训练,SemVID,VideoQA

长视频理解，正在成为多模态大模型的重要能力。

关键词: AI,模型训练,多模态,人工智能

本文综合北京大学王选计算机研究所发布的 ProactiveVideoQA 和 MMDuet2 两篇论文，介绍视频多模态大模型如何实现 “主动交互”—— 在视频播放过程中自主决定何时发起回复，而非等待用户提问。ProactiveVideoQA 提出评估指标和 benchmark，MMDuet2 则通过强化学习训练方法实现了 SOTA 性能，无需精确的回复时间标注即可训练出及时、准确的主动交互模型。