跳到正文
热点事件持续更新

NullTok 提出免训练长视频理解 token 选择方法

1 篇报道1 个报道来源53 分钟前更新

先了解这件事

AI 综述

Zhang Ziyue 等在 arXiv 发布论文,提出免训练的长视频理解 token 选择方法 NullTok(arXiv:2611.23881):为每个图像块基于 64 个无关对照查询构建经验零假设分布,把目标相关性校准为蒙特卡洛 p 值来筛选视觉 token,无需训练模型。 在 64 全帧等效(FFE)预算、无字幕无音频的条件下,该方法在 Video-MME 上配合冻结的 LLaVA-Video-7B 和 Qwen3-VL-8B 骨干分别取得 65.81% 和 68.85%,论文称超过同预算下所有被评测基线。代码已开源。

AI 根据报道生成 · 12 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    NullTok:面向免训练长视频理解的经验零假设 token 选择方法

    NullTok 是一种免训练的长视频理解方法,通过为每个图像块基于 64 个无关对照查询构建经验零假设分布,将目标相关性校准为蒙特卡洛 p 值来筛选视觉 token。在 64 FFE 预算、无字幕无音频条件下,该方法在 Video-MME 上用冻结 LLaVA-Video-7B 和 Qwen3-VL-8B 骨干分别取得 65.81% 和 68.85%,超过同预算下所有被评测基线。代码已开源。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。