摘要
针对长视频理解中现有系统对所有样本采用统一推理流程的问题,本文提出 CADER 框架。该方法首先进行全局推理并估算答案置信度,使高置信度样本提前退出;对不确定样本则激活第二阶段工具增强循环,结合时间裁剪与重采样逐步定位关键证据。实验表明,CADER 在多个基准上提升了长视频推理性能,并能以无需训练的方式实现自适应推理,仅需无工具思维链监督即可达到竞争力。
AI 推荐理由
论文提出动态证据推理框架,核心在于根据置信度自适应调整推理深度,显著优化长视频推理能力。
研究机构
西北工业大学计算机科学学院
北京大学电子与计算机工程学院
清华大学计算机科学与技术系
论文信息