一种具有代理控制的高效流式视频理解框架

流式视频处理需在严格延迟限制下应对动态信息密度。现有方法多采用静态策略，难以兼顾复杂查询性能与实时性约束。本文提出 R3-Streaming 框架，将流式视频理解建模为级联控制问题：系统按需压缩记忆、判断响应就绪状态并路由计算。为此，我们引入年龄感知遗忘策略以优化记忆压缩，并提出目标平衡强化学习目标（TB-GRPO）实现计算路由，将难例导向强模型。实验表明，该方法在显著降低视觉令牌用量的同时，取得了流式多模态大模型的最先进结果。