面对持续变化的画面,单独回答每个提问可能会丢掉前面的约定。团队用多轮片段教模型区分什么时候该开口、该说什么,再用反馈调整整段互动与局部决定。
配套 FSI-Bench 同时检查模型有没有提出恰当的追问,以及得到反馈后能否完成任务。一个问句听上去礼貌,未必能提供后续决策真正缺少的信息。
原始资料
延伸阅读 视频助手回答得越早,就一定越好吗?
ALIVE 训练流式视频模型在主动提醒、保持安静和请求补充信息之间作选择。

面对持续变化的画面,单独回答每个提问可能会丢掉前面的约定。团队用多轮片段教模型区分什么时候该开口、该说什么,再用反馈调整整段互动与局部决定。
配套 FSI-Bench 同时检查模型有没有提出恰当的追问,以及得到反馈后能否完成任务。一个问句听上去礼貌,未必能提供后续决策真正缺少的信息。