🔥 今日值得一读
长视频智能体记忆框架LVMH：准确率超SOTA 7.7个点，令牌省32倍、响应快91倍！
LVMH: A Meta-Optimization Harness for Long-Video Agent Memory
👨💼 主理人解读 · 为什么值得关注
自动搜索长视频Agent的记忆策略，兼顾效果与token/延迟预算，可直接用于长视频问答系统搭建。
📖 AI 总结
该论文提出LVMH，一个面向长视频智能体记忆的自动化多智能体框架，将记忆策略开发转化为围绕固定答案模型的多目标代码搜索问题。为避免自我认证和开发集过拟合，LVMH将实现与独立评审分离，并设定受保护的观察边界；持久化元记忆记录过往提案、轨迹、成本与失败，以指导后续策略修订。通过该框架，作者发现“文本优先、视觉其次”的SEEM策略：基于紧凑的结构化事件记忆和证据专家作答，仅在必要时通过选择性视觉门控查阅局部帧。在EgoLifeQA上演化出的策略可泛化至未见基准，在Ego-R1 Bench和Video-MME（L）上均优于Meta-Harness。使用GPT-5时，SEEM在三个基准上平均准确率达65.7%，较此前最优提升7.7个百分点，同时平均评估token用量降低约32倍，平均响应时间缩短91倍。
🔑 关键词速览
| LVMH | 长视频元记忆框架，一种自动化多智能体框架，将记忆策略开发形式化为多目标代码搜索。 |
| SEEM | 自演化证据记忆，一种“文本优先、视觉其次”的记忆策略，从结构化事件记忆和证据专家中获取答案。 |
| 多目标代码搜索 | 在固定答案模型下，同时优化多个目标（如性能与效率）的代码搜索方法。 |
| 持久元记忆 | 记录过往提案、轨迹、成本和失败等信息，用于指导后续策略修订的长期记忆机制。 |
| 选择性视觉门控 | 一种机制，仅在需要时通过门控选择性地查阅局部视频帧，以平衡效率与准确性。 |
📱 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