LEAP：面向长音视频感知的学习式分块证据检索

LEAP 将长音视频切成固定时长块，先为每块定位短候选窗口，再汇总高分窗口回答，使答案输入和峰值上下文不随录制时长增长。其两阶段 LoRA 在多个 AVQA benchmark 上较 Qwen3-Omni-30B-A3B 提升 4.5-16.8%，迁移到 MiniCPM-o 4.5 后超过其公开结果 3.1-13.0%。