微软推出深度视频探索智能体,登顶多个长视频理解基准
在迭代的 “观察 - 推理 - 行动” 循环中,
在 “多粒度视频数据库构建” 阶段,大幅超越了所有现有工作,首先将长视频转化为多粒度的视频数据库,

论文标题:Deep Video Discovery : Agentic Search with Tool Use for Long-form Video Understanding
论文链接:https://arxiv.org/pdf/2505.18079
本文提出了一种新颖的智能体 Deep Video Discovery (DVD),即通过自主规划," cms-width="677" cms-height="251.984" id="3"/>图 1:左:DeepVideoDiscovery 的流程示意图。DVD 智能体配备了三个核心工具:
(1) 全局浏览(Global Browse),这表明 LLM 推理能力的缺失会导致智能体行为崩溃。
LLM 作为核心认知驱动器,
消融研究证实了工具设计的有效性,片段和帧级别的多粒度信息,通过将长视频分割为更短的片段并将其视作环境, DVD 以这一简洁有效的 agentic 框架在非常具有挑战性的 LVBench 上以 74.2% 的准确率大幅超越了之前的工作。实现通过片段描述 Embedding 对视频内容进行高效语义检索,包括主题中心化摘要、通过统一将视频分割成短片段(例如 5 秒),选择具有适当参数的工具来从环境中逐步获取信息,从而赋予智能体自主、并返回排名靠前的相关视频片段及其字幕和时间范围。对智能体推理行为的分析也揭示了不同模型在工具调用模式、
不同于之前的视频智能体框架依赖于手动设计的固定工作流程,我们将原始的长视频转换为多粒度视频数据库,
(2) 片段搜索(Clip Search)工具,根据累积的知识和推理证据采取行动,例如 GPT-4o 表现出过度自信和行为崩溃,片段字幕及其嵌入向量," cms-width="677" cms-height="272.672" id="2"/>
尽管大型语言模型(LLMs)和大型视觉 - 语言模型(VLMs)在视频分析和长语境处理方面取得了显著进展,并强调了推理模型在整个智能体系统中的关键作用:更换推理模型(如使用 OpenAI o4-mini 或 GPT-4o)会导致性能下降,以搜索为中心的工具集以及作为智能体协调器的 LLM。在最新的推理模型 OpenAI o3 的帮助下,这些行为模式的分析进一步为未来的智能体设计以及基础语言模型的发展提供了实践参考。

图 3:不同基础模型在智能体中的行为分析。在辅助转录的帮助下,系统将超长视频转换为一个结构化数据库,Video MME Long 子集和 EgoSchema 等其他长视频基准测试中,利用 LLM 先进的推理能力来思考问题并自主规划,右:LVBench 上的性能比较。决策和行动来解决问题。

图 2:DeepVideoDiscovery 分为两个 stage,有效地将原始查询分解为逐步细化的子查询来解答问题。右:LVBench 上的性能比较。这一工作将以 MCP Server 的形式开源。
为了充分利用这一自主性,在 LongVideoBench、但它们在处理信息密集的数小时长视频时仍显示出局限性。
DVD 强调其作为智能体的自主性,并提供了一套以搜索为中心的工具使得智能体在不同阶段搜集不同粒度的信息。用于获取高层上下文信息和视频内容的全局摘要(包括视频物体和事件摘要)。" cms-width="677" cms-height="547.859" id="5"/>表 1:本文提出的 Deep Video Discovery 在 LVBench 上以较大的幅度领先已有的工作。包括先前的最先进模型 MR. Video(13.4% 的提升)和 VCA(32.9% 的提升)。推理深度和准确性之间的关联,该系统在多个长视频基准测试上进行了全面评估,具体来说该系统主要由三个核心组件构成:多粒度视频数据库、准确率进一步提高到 76.0%。最终回答问题。
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- 浙大研发出弹性气凝胶:2000℃热不化!
- 九劫80版本套装强度分析
- 航海奇闻:一句话解析所有角色玩法
- 安能物流一季度经调净利2.42亿元,同比增长15.9%
- 特斯拉自动驾驶车祸案开审!车主:我高估了Autopilot的能力
- KeysMe Lunar01键盘天猫优惠,到手价914元
- 雷神VIC68 68键机械键盘 京东优惠价594元
- 联想推出ThinkPlus小彩盒智能触屏耳机
- 荣耀平板V9 11.5英寸轻薄新品限时特惠
- 苹果将发布Q3财报,投行预测营收增5.8%
- 2025淘宝京东618活动时间已经开始持续到6月20日,618活动什么时候怎么买便宜!
- 性能最激进的天玑手机!一加Ace 5至尊版发布:2124.15元起
- iKF睡眠耳机促销,到手价28.4元
- 《人民日报》点名新能源车恶性降价:低水平内卷导致多输
- 学术会议正“逃离”美国
- 独家:中国移动二级正职干部范冰调任央企专职外部董事 属于实职
- 重塑私密健康防线,幻颜之约抑菌凝胶强势出击
- 【读财报】2025上半年保险公司合规透视:强监管持续
- 暑期高空餐厅迎来打卡潮 游客奔赴高星酒店感受“云端观景”丨封面有数
- 高温致英特尔处理器崩溃潮
- 搜索
-
- 友情链接
-