基于结构化编辑提示与稠密 - 稀疏融合的 CoVR-R 先推理后检索方法

本文研究感知推理的组合视频检索（CoVR-R），旨在根据参考视频和编辑指令检索满足变更的目标视频。针对目标未直接描述且需推断细粒度变化的难点，构建了基于 Qwen3.5-27B 的零样本“先推理后检索”流程。模型首先对参考视频和指令进行编辑推理，生成目标视频描述及稠密嵌入；同时结合生成文本的 TF-IDF 稀疏检索，通过加权融合两种排序结果。实验表明，该方法在验证集和盲测集上均取得了优异的检索性能。