NexSight: Tareas verificables para la comprensión de video largo con agentes

Resumen del corpus

Se presenta NexSight, que construye tareas verificables para evaluar y entrenar la comprensión de video largo por agentes. El pipeline SightForge acepta tareas solo si la evidencia puede reconstruir la tarea a partir del video crudo. Esto resulta en SightLine, 310 tareas trazables por evidencia evaluadas mediante SightLoop. El modelo Sight-35B muestra mejoras significativas en la precisión interactiva al usar evidencia anotada.

Periodista: Tianci Xie, Li Chen, Pinxue Guo, Rui Zheng

Personas mencionadas
Noticia original

Ver todas las noticias de arXiv Computer Science AI