论文42
AURA 2.0:能主动发起对话并调用工具的流式视频大模型
原标题:Beyond Answering: Learning to Speak First and Act in Streaming Video
AURA 2.0 是支持主动发起对话、调用工具和交互式视觉定位的流式视频大模型,核心升级为模型主动对话(MIC),可在无用户提问时识别视频中值得讨论的话题并适时开启交流。模型还引入流式感知工具调用(SATC)与长时程交互记忆(LHIM),并采用三阶段训练方案整合新能力。在公开流式基准上,AURA 2.0 在开源流式模型中取得领先性能。
来源仅允许展示摘要,全文请到原文阅读。
