Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 17 сентября 2026 года] Название: VideoResearcher: Self-Supping Technology Design for Long-Video View Vision PDF HTML (экспериментальное) резюме. Однако эффективные системы видеоагентов требуют дорогостоящего и трудоемкого ручной разработки, а также пробных испытаний и ошибок. Нынешние методы самосовершенствования либо улучшают низкоэффективные сигналы, рекомбинируют предопределенные микроинструменты или борются с конвергенцией в оптимизации использования. Чтобы преодолеть этот пробел, мы нацелимся на высокоэффективный видеоинструмент с VideoResearcher — бестренировочной многоагентной системой, которая самостоятельно проектирует, тестирует и совершенствует инструменты для понимания видео как человек-исследователь. Видеоисследователь работает через двойные петли Solvering и Evolution: он анализирует траектории использования инструментов для выявления пробелов в потенциале, координирует деятельность специализированных агентов по разработке и проверке реализуемых средств, а также повторно разрабатывает инструменты с целью укрепления процесса сбора доказательств при последующем видеосознании. Благодаря итеративной доработке и подтверждению данных оно постепенно укрепляет процесс сбора доказательств без обновления параметров модели. Видеоисследователь достигает самых современных результатов среди самосовершенствования агентов и подходит к разработанной человеком верхней части границы, демонстрируя…
Видеоисследователь: разработка самостоятельного инструментария для долгосрочного понимания
arXiv: 2609.19664v1 Видеоагенты добились значительного прогресса в обеспечении долговременного понимания. Однако эффективные системы видеоагентов требуют дорогостоящего и трудоемкого ручной разработки, а также пробных испытаний и ошибок. Нынешние методы самосовершенствования либо улучшают низкоэффективные сигналы, рекомбинируют предопределенные микроинструменты или борются с конвергенцией в оптимизации использования. Чтобы преодолеть этот пробел, мы нацелимся на высокоэффективный видеоинструмент с VideoResearcher — бестренировочной многоагентной системой, которая самостоятельно проектирует, тестирует и совершенствует инструменты для понимания видео как человек-исследователь. Видеоисследователь работает через двойные петли Solvering и Evolution: он анализирует траектории использования инструментов для выявления пробелов в потенциале, координирует деятельность специализированных агентов по разработке и проверке реализуемых средств, а также повторно разрабатывает инструменты с целью укрепления процесса сбора доказательств при последующем видеосознании. Благодаря итеративной доработке и подтверждению данных оно постепенно укрепляет процесс сбора доказательств без обновления