#视频大语言模型

RACER：免训练反思式智能体，攻克长视频关键帧选择难题

RACER 是一种免训练的反思式智能体框架，通过查询解读与工具检索分工协作，解决长视频关键帧选择中的查询理解鸿沟与解读-选择鸿沟，有效提升视频大语言模型的长视频理解能力。