Google 探索让视频 AI 理解用户需求,判断何时主动提供帮助
Google 牵头的研究团队提出 StreamVibe,让视频 AI 智能体识别明确、隐含及变化中的用户意图,自行判断何时提供帮助。团队构建了约 4,100 个样例的基准,训练 StreamVibe-VL 每秒判断是否发言,并结合强化学习与独立记忆系统减少不必要的打断。
Google 牵头的研究团队提出 StreamVibe,让视频 AI 智能体识别明确、隐含及变化中的用户意图,自行判断何时提供帮助。团队构建了约 4,100 个样例的基准,训练 StreamVibe-VL 每秒判断是否发言,并结合强化学习与独立记忆系统减少不必要的打断。
Elorian 与 Mercor 联合推出视觉推理基准 DecoyCount,测试模型能否排除视觉诱饵、正确计数。前沿模型准确率均低于50%,GPT-6 Astra 以43.17%居首,Glimpse 内部测试为50.48%。Glimpse 仅运行一次,论文中的其他模型则取三次运行均值,评测条件存在差异。