MAVIS：基于结构化视频理解的多智能体视频检索

针对现有视频检索依赖嵌入扫描导致的计算低效与语义不对称问题，本文提出 MAVIS 多智能体框架。该框架将检索重构为协作推理过程：首先构建结构化语义库以解决粒度不匹配；检索时，规划器将复杂用户意图分解为原子子任务，调度专用智能体提名候选； crucially，引入逻辑感知辩论机制，通过严格否决协议协同剪枝逻辑不匹配项，筛选争议候选进行细粒度验证。实验表明，MAVIS 在无需特定任务微调的情况下，在多个基准上实现了具有竞争力的性能，提供了可扩展且可解释的替代方案。