arXiv · cs.AI· Anum Afzal, Yuki Saito, Hiroya Takamura, Katsuhito Sudoh, Shinnosuke Takamichi, Graham Neubig, Florian Matthes, Tatsuya Ishigaki·· 2 天前
多模态大语言模型实时生成游戏视频解说的暂停感知解码方法
Real-Time Generation of Game Video Commentary with Multimodal LLMs: Pause-Aware Decoding Approaches
arXiv:2603.02655v2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：Anum Afzal, Yuki Saito, Hiroya Takamura, Katsuhito Sudoh, Shinnosuke Takamichi, Graham Neubig, Florian Matthes, Tatsuya Ishigaki
研究任务与主要进展
研究人员提出固定间隔解码和动态间隔解码两种无需微调的多模态大语言模型提示方法，用于生成兼具内容相关性和时机适配性的实时游戏视频解说。基于论文摘要，在日语和英语赛车、格斗游戏数据集上，动态间隔方法使解说更接近人类话语的时机与内容；作者同时发布多语种基准数据集、训练模型和实现代码。
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