arXiv · cs.AI· Yike Wu, Keyan Chen, Qixiong Wang, Xi Xiang, Maofei Que, Xiaolong Jiang, Xiaoqin Zhang, Ling Shao, Shijian Lu·· 2 天前
ReTAC：面向视频空间推理的残差测试时智能体计算方法
ReTAC: Residual Test-Time Agentic Computation for Video Spatial Reasoning
arXiv:2610.16315v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yike Wu, Keyan Chen, Qixiong Wang, Xi Xiang, Maofei Que, Xiaolong Jiang, Xiaoqin Zhang, Ling Shao, Shijian Lu
研究任务与主要进展
论文摘要提出训练免除的多智能体框架 ReTAC，用于通过测试时智能体计算提升视频空间推理能力。该方法只为尚未解决的需求分配额外计算，并通过阶段性验证和依赖关系恢复，仅重新计算受影响状态；作者报告其在三种主流多模态大语言模型和两个基准上的总体得分高于比较方法。当前材料仅为论文摘要，未说明具体实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org