🔥 今日值得一读
长视频问答准确率暴涨42.6%！PACE新框架让AI秒抓关键证据
Finding the Right Evidence: Factor-Guided Coarse-to-Fine Reasoning for Long Videos
👨💼 主理人解读 · 为什么值得关注
通过因子引导逐步聚焦关键证据，解决长视频问答中选项判别难的问题。
📖 AI 总结
该研究针对长视频问答中证据稀疏且难以区分选项的问题，提出因子引导的渐进式证据获取框架PACE。通过对MMR-V数据集的诊断分析发现，现有智能体系统虽能提升线索检索能力，但答案准确率提升有限，瓶颈在于缺乏选项判别性证据。PACE采用两阶段策略：先基于问题因子索引片段描述，再结合候选答案生成对比线索进行验证。在MMR-V数据集上，PACE配合Qwen3-VL骨干网络达到42.6%的准确率，优于直接推理和Deep Video Discovery等基线方法；在诊断子集上恢复了66.9%的标注线索，证明性能提升源于证据恢复能力的增强。该方法在LVBench、Video-MME等多个基准上均取得一致性改进，表明选项感知的证据获取策略具有良好的跨数据集泛化能力。
🔑 关键词速览
| LVLMs | 大型视频语言模型，结合视觉和语言处理以理解视频内容。 |
| PACE | 关键证据的渐进获取，一种因子引导的两阶段框架，用于长视频中的证据获取。 |
| MMR-V | 一个长视频问答基准数据集，用于评估多模态推理能力。 |
| DVD | 深度视频发现，一种先前的智能体基线方法，用于视频证据检索。 |
| Qwen3-VL | 一个开源的大型视觉语言模型，用作PACE框架的骨干网络。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅