Agent Control Flash News·· 3 小时前精选AI 评分70
Meta LVMH/SEEM：长视频记忆新策略，三基准均值65.7%
长视频记忆别手搓策略：Meta LVMH/SEEM，三基准均值 65.7%（+7.7 pp）、token ≈1/32
Edge-TTS 广播级有声
全员无门槛畅听
点击合成广播级音频
00:00
00:00
AI 导读
长视频 agent 要把小时/天级证据压进有界上下文，记忆策略却多靠手设计。
推荐理由
该研究提出了LVMH/SEEM，在长视频记忆方面取得了显著成果，读者可以了解其在多模态视频处理中的应用和性能提升。
一手信源
学术论文·arXiv:2610.23904
Meta LVMH/SEEM (arXiv:2610.23904)
Meta FAIR
“View PDF HTML (experimental) Abstract: Long-video agents must map hours or days of multimodal evidence into a bounded context while respecti”
正文 · AI 翻译
摘要：长视频代理必须在尊重令牌和延迟预算的同时，将数小时或数天的多模态证据映射到有限的范围中，这使得内存设计成为上下文管理的一个挑战。现有的内存系统在很大程度上依赖于手工设计的策略，留下了如何联合优化内存设计以实现性能和效率的问题。我们提出了长视频元内存利用（LVMH），这是一个自动化的多代理框架，将内存策略开发定义为围绕固定答案模型的多目标代码搜索。为了防止自我认证和开发集过拟合，LVMH将实现与独立审查分离，并强制执行受保护的观察边界。持久的元内存记录过去的提案、跟踪、成本和失败，以指导后续策略修订。通过这个框架，我们发现了自我进化的证据内存（SEEM），这是一种“文本优先，视觉第二”的策略，从紧凑的结构化事件内存和证据专家那里回答，通过选择性的视觉门咨询局部帧。该策略在EgoLifeQA上进化，可以推广到未见过的基准，在Ego-R1基准和Video-MME（L）上均优于Meta-Harness，使用GPT-5 mini。在三个基准测试中，SEEM与GPT-5的平均准确率达到65.7%，比之前的最高水平高出7.7个百分点，平均评估令牌使用量降低约32倍，平均响应时间缩短91倍。
| 主题： | |
| 计算机视觉和模式识别（cs.CV）；多代理系统（cs.MA） | arXiv:2610.23904 [cs.CV] |
| (或 arXiv:2610.23904v1 [cs.CV] 版本) | |
| https://doi.org/10.48550/arXiv.2610.23904 arXiv-issued DOI via DataCite |
提交历史
来自：Liwei Che [查看电子邮件]
[v1]
周二，29 Sep 2026 20:29:13 UTC (517 KB)
来源：Agent Control Flash News · arxiv.org
关联产品与深度拆解
原创·站长/Quantara 团队·约 3 分钟深度解析
Cursor Agent 架构全景拆解：从影子工作区到多文件推演引擎
全面剖析 Cursor 在 Agent 模式下的底层技术实现，解析影子分支隔离、LSP 上下文剪枝以及预测性补全的核心架构细节与工程实践经验。
深入理解底层架构与行业变量阅读拆解 →
精选·Vercel Changelog·约 1 分钟深度解析
Vercel v0 推出全新多 Agent 协作画布与实时全栈部署预览
动态速评：v0 正在从单一组件生成器演进为全栈应用搭建协作台，尤其是与 Neon/Postgres 的直连极大降低了全栈原型验证成本。
深入理解底层架构与行业变量阅读拆解 →