视频理解 LLM-DailyDigest 2026-08-16 2026-08-16 约 100 字 预计阅读 1 分钟 视频理解 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 三维跟踪 1 TrackEverything：去重 3D 场景表征实现长时程密集跟踪 09-29 三维重建 1 ABot-Recon：以局部上下文实现长时域流式三维重建 09-01 世界模型 3 通过视频读写、共享与世界交互：世界建模综述 10-27 NAVA-WAM：从视频原生学习世界动作模型的动作先验 10-08 Simple-WAM：测试时未来建模提升世界动作模型泛化 10-01 交互式评测 2 DIVE：连续流视觉参与的全双工交互评测基准 10-22 OmniAssistBench：全模态助手交互评测基准 08-24 具身基础模型 1 ZimaBlue：可扩展视频预训练驱动的泛化世界行动模型 09-03 具身规划 2 ScaleNav：互联网视频预训练的语言条件局部导航 10-21 VCN-Bench：基于既往视频经验的空间导航推理基准 09-30 动作纠错 1 SportSkills：从体育教学视频学习身体技能并按动作错误检索示范 08-24 医疗人工智能评测 1 多模态 LLM 零样本筛查低分辨率热成像视频中的跌倒事件 10-22 协同演化 1 VideoEvolve：记忆与检索协同演化的长视频理解框架 10-08 因果推理 1 VepAgent：工具增强强化学习驱动的视频事件预测 10-09 在策略蒸馏 1 更少数据、更佳时机：面向时序视频定位的学生-课程耦合在策略蒸馏 10-01 多模态推理 5 DirCast：单一流式视频语言模型实时完成电竞导播与解说 10-27 VAMR：面向长视频理解的多问题智能体推理 10-10 OmniReasoning：音视频联合推理基准、数据引擎与自蒸馏方法 10-08 AVTrace：诊断 Omni 模型的音视频时序推理能力 09-18 Omni-Streaming Thinking：全流式多模态思维 09-16 强化学习后训练 1 OraRL：将标注作为视频 MLLM 的神谕轨迹 08-27 推理效率 2 FrameBlend：流式视频理解的局部缓存与选择性重计算 10-22 VideoJev：面向视频理解与交互的 System One 模型 10-18 数据策展 1 LeCuration：小型世界模型驱动的多功能数据策展 10-08 模型可靠性 1 Omni-Woodpecker：证据先验重平衡纠正跨模态幻觉 10-27 状态追踪 1 StreamVibe：面向意图演变的主动式视频智能体 10-29 自蒸馏 1 FRED：面向世界动作模型的自蒸馏未来视频表征 10-24 视觉推理 1 TempCloze：Video-LLM 能否识别视频缺失的中间片段？ 09-02 视频评测 1 Video-IFBench：评估视频理解中的指令遵循能力 08-28 评测基准 6 AV-FABLE：长视频视听篡改取证基准 10-29 CodeCap-Bench：以可执行代码表征视频内容 10-29 OmniCompass：全模态视频定位与理解综合基准 10-18 P³IBench：真实场景主动视频助手评测 10-18 Perception Test 2026：城市级音视频空间推理挑战 10-09 BVB：以 Blender 程序化重建评测智能体视频理解 09-16 长期记忆 6 MaLoW：将流式视频长期历史内化为权重 10-18 OneStreamer：统一流式视频感知、记忆与主动响应 10-08 MemLife：面向长期第一人称视频的记忆策展与推理 10-01 LatentStream：流式视频理解的渐进式潜在记忆演化 09-07 LTE：面向具身智能体的长程空间记忆编码 09-07 EgoMonth：月级第一视角视频长期时空记忆基准 08-16
