VideoSeek：具有工具引导搜索能力的长程视频智能体

针对现有视频智能体依赖密集采样帧导致计算成本高昂的问题，本文提出 VideoSeek。该长程视频智能体利用视频逻辑流主动寻找关键证据，而非穷尽解析全片。通过精心设计的工具集和“思考 - 行动 - 观察”循环，模型实现了查询感知的探索。实验表明，VideoSeek 在大幅减少帧使用量（减少 93%）的同时，显著提升了视频理解与推理的准确性，在 LVBench 上较基线提升 10.2 分。