arXiv · cs.AI· Yiyang Huang, Yitian Zhang, Yizhou Wang, Jianglin Lu, Qihua Dong, Hailing Wang, Huimin Zeng, Mingyuan Zhang, Yun Fu·· 2 天前
RACER：面向长视频理解的反思式智能体查询解释与工具检索框架
RACER: Reflective Agent Coupling Query Interpretation and Tool-Based Retrieval for Frame Selection in Long Video Understanding
arXiv:2610.08954v1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：Yiyang Huang, Yitian Zhang, Yizhou Wang, Jianglin Lu, Qihua Dong, Hailing Wang, Huimin Zeng, Mingyuan Zhang, Yun Fu
首次提交：2026-10-07 02:21
研究任务与主要进展
RACER是一种无需训练的反思式智能体框架，用于长视频理解中的帧选择：轻量Vid-LLM将复杂查询改写为子查询，嵌入模型作为检索工具定位相关证据，再将检索帧反馈给Vid-LLM以迭代细化查询。基于论文摘要，作者报告其在多个基准上持续改进长视频理解，并称即使组件能力有限也能实现有效的帧选择。
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