论文精选73°09:08视频语言模型后训练用于错误检测FedeSpu团队发布了首个视频语言模型后训练技术，能检测视频中的执行错误，对未见任务效果提升11.6%。#MD-VQA#视频语言模型#错误检测#EP-VQAaarXiv cs.LG@Federico Spurio 等 6 人原文稍后读已读值得跟进有用关注 MD-VQA
论文12:09视频语言模型在简单事件计数上失准，研究揭示时间推理瓶颈用可执行真值逐帧审计视频模型计数，发现Gemini 3.6 Flash处理瞬时事件几乎失效，加帧只虚涨分数，值得看。#Gemini 3.6 Flash#视频语言模型#事件计数#时间推理1 个信源在谈事件专题aarXiv cs.AI@Sarvesh Baskar 等 8 人2 个信源在谈原文稍后读已读值得跟进有用关注 Gemini 3.6 Flash
论文12:17StoryTeller：无需训练的长格式音频描述叙事接地框架这个框架不用训练就能让AI给长视频生成连贯的旁白，特别适合帮助视障观众理解剧情。#StoryTeller#长格式音频描述#叙事接地#StoryAD-QAaarXiv cs.AI@Seung Hyun Hahm 等 3 人原文稍后读已读值得跟进有用关注 StoryTeller