Hugging Face 每日热门论文·· 7 天前AI 评分56
超越回答:AURA 2.0 学会在流式视频中主动开口并行动
Beyond Answering: Learning to Speak First and Act in Streaming Video
AI 导读
AURA 2.0 是一种流式视频大语言模型,可在没有用户提问时识别适合讨论的主题,并在恰当时机主动发起对话。它引入流感知工具调用(SATC)与交互式视觉定位(IVG),可结合当前视觉和对话上下文调用外部工具,并输出与视频帧对齐的边界框。模型采用专用流式交互数据集、三阶段训练方案和长时交互记忆(LHIM);公开流式基准显示,其在开源流式模型中取得领先表现。
来源:Hugging Face 每日热门论文 · huggingface.co