AI 大模型

视频大模型

视频理解、视频生成、视频语言模型和时序视觉推理。

2026-03-09 至 2026-03-09 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频理解 2 篇

2603.05697 2026-03-09 cs.CV 57%

MultiHaystack: Benchmarking Multimodal Retrieval and Reasoning over 40K Images, Videos, and Documents

MultiHaystack：用于40,000张图像、视频和文档的多模态检索和推理的基准测试

Dannong Xu, Zhongyu Yang, Jun Chen, Yingfang Yuan, Ming Hu, Lei Sun, Luc Van Gool, Danda Pani Paudel, Chun-Mei Feng

机构 * INSAIT ； Lanzhou University（兰州大学）； King Abdullah University of Science and Technology（国王阿卜杜勒-阿齐兹科学与技术大学）； Heriot-Watt University（赫瑞-沃德大学）； Monash University（莫纳什大学）； University College Dublin（都柏林大学学院）

专题命中视频理解：video understanding(abstract)；分类 cs.CV

AI总结 MultiHaystack是首个评估大规模异构多模态检索与推理的基准测试，揭示了MLLMs在异构语料库中检索证据时的性能瓶颈。

2603.02872 2026-03-09 cs.CV 57%

Think-as-You-See: Streaming Chain-of-Thought Reasoning for Large Vision-Language Models

Think-as-You-See: 为大视觉-语言模型设计的流式推理链式思维

Jialiang Zhang, Junlong Tong, Junyan Lin, Hao Wu, Yirong Sun, Yunpu Ma, Xiaoyu Shen

机构 * Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究院，东技术学院）； Ocean University of China（中国海洋大学）； Shanghai Jiao Tong University（上海交通大学）； The Hong Kong Polytechnic University（香港理工大学）； Munich Center for Machine Learning, LMU Munich（慕尼黑机器学习中心，慕尼黑大学）； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室）

专题命中视频理解：video understanding(abstract)；分类 cs.CV

AI总结 TaYS为大视觉-语言模型设计了流式推理链式思维框架，通过并行化生成、流约束训练和解耦的KV缓存，提升视频理解的效率和响应性。