资料索引 实时交互 · arXiv 2611.21366
作者 Jinzhao Li 等
ALIVE: Making Streaming Video Models Interactive
Daily Papers 收录于

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