摘要
针对现有视频智能体工具空间粗糙及动作空间扁平的问题，本文提出 ReTool-Video。首先构建包含 134 个工具的元增强视频工具库（MVTL），支持细粒度组合推理；其次设计递归工具使用方法，将高层意图动态落地为可执行工具链，通过解析器处理参数修复、工具替换或任务分解。实验表明，该方法在多个基准测试中显著优于基线，提升了复杂视频理解的稳定性与有效性。
AI 推荐理由
论文核心在于构建细粒度工具库及递归工具调用机制，解决 Agent 工具使用中的映射与执行难题。
研究机构
1Tianjin University
2Tianjin University
3MAIS, Institute of Automation, Chinese Academy of Sciences
4Institute of High Performance Computing (IHPC), Agency for Science, Technology and Research (A*STAR), Singapore
论文信息