Reviso 让视频描述先找重点

11 月 2 日公布的 Reviso 研究把视频描述改成主动观察流程。模型先用低帧率预览形成上下文、重点和观察目标，再选择片段及工具进行细看，必要时修改计划。

训练同时考虑关键事实覆盖、观察计划和无效工具调用成本。作者在四个视频描述基准上报告改善，并检查了描述对后续问答的帮助，结果仍属于论文评测。

来源：arXiv · 2611.03602。