@ EgoLongQA 2026: Преобразование долгосрочного восприятия Видео в модель суб-2B

arXiv: 2609.07154v1 Annualce Type: новый резюме: Мы описываем нашу запись на EgoLongQA треке "Зависимость-АИ" в ЭКCV 2026, который поместил первую позицию в делении параметров <=2B с 0,8279 на блоке испытаний. Наша система представляет собой модель 2B языка зрения, которая отвечает на многорезонтные вопросы о десятиминутных эгоцентрических видео в одном жадном переднем проходе; она получается путем разукрупнения младшего модуля восприятия агентского трубопровода с использованием инструментов, а не самого агента в маленького ученика, используя следы учителя, фильтрованные до тех, кто ответил правильно. Она достигает 89% точности крупного агического трубопровода при использовании 1,1% его параметров. Это приводит к тому, что 27,1% базовой модели приходится на 81,4% по нашим вопросам удержания. 2B позвоночник имеет параметры 2,2132 B и поэтому выше предела деления, чтобы сделать вход допустимым мы скручиваем многоязычную таблицу вложения со 248,320 до 143 469 строк, достигая 1,9985В с явно идентичными логарифмы на сохраненных рядах.