资料索引 实时交互 · arXiv 2611.21553
作者 Kanchana Ranasinghe 等
BLIP-Live: Balancing Timeliness & Firing Precision in Proactive Streaming Video Agents
Daily Papers 收录于

观看直播画面时,提示过晚和太早猜测是两种不同的失误。研究者整理带有人类标注的回应内容和时刻,并设计指标,把及时性与开口时是否真有必要放在一起评价。

在训练和外部推理流程的测试中,滑动视觉窗口、保留互动记忆和结构化回答的组合表现较好。读这一组排名时,需要同时留意模型是否漏掉时机,以及它为了抢先说了多少多余的话。

原始资料