Delivered 06:30
今日
个人科研
晨报
Long-Context Multimodal Agents for Scientific Video Understanding
今日主文献。与长上下文、多模态推理和工具调用方向同时相关,适合放入你的"方法对标"阅读线。
这篇论文把视频理解、长上下文和 agent planning 放在同一个系统里,能直接补充你关注的 VLM 推理链。
建议本周追踪"长上下文 + 工具调用"组合,可能成为下一轮多模态 agent 论文的共同骨架。