IXThinker·2025-12-09 12:40

LongVT破解長影片理解幻覺難題

長影片理解一直受制於證據稀疏與幻覺兩大難題。即將在智源研討會分享的LongVT模型，嘗試讓模型像人一樣主動翻找畫面證據，而非被動接收全部影片訊息。

兩大核心痛點

傳統模型在長影片中難以定位關鍵證據，且容易產生幻覺；被動接收全部資訊的處理範式，令推理準確性與上下文連貫性都受到明顯制約。