提出RACER长视频选帧框架

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。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。