待验证50% 置信解决方案精确时间

RACER 将帧选择任务拆解为两个环节：由轻量级 Vid-LLM 负责把复杂查询改写成一系列子查询，由嵌入模型作为检索工具去定位相关证据帧

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

RACER：免训练反思式智能体，攻克长视频关键帧选择难题

涉及实体

RACERconcept Vid-LLMtechnology

相关事实

待验证测试者使用SWE-Lancer基准的task selection和per-task两种模式评估模型编程能力70% 相似待验证业界实现宽谱检测的主要路径有两种：多任务学习框架，以及基础模型加任务头的架构69% 相似待验证在多跳问题中，答案散落在多个文档里，需要先找到线索A才能知道该去查线索B，Agent循环把检索从一次性动作变成可反复执行的工具调用64% 相似待验证τ2-bench是专门评估大模型工具调用能力的基准测试，模拟真实世界中智能体需要处理的复杂多步工具调用场景64% 相似待验证该研究在两层隐藏层MLP上针对模块化算术任务系统扫描了384种超参数配置64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986911

API

curl https://kongchang.com/api/v1/knowledge/claims/986911

MCP

get_claim(id=986911)