LEAP长音视频证据检索方法发布

2026年9月30日，Hugging Face Daily Papers 报道了 LEAP，一种面向长音视频感知的学习式分块证据检索方法。报道称，LEAP 将长音视频切成固定时长块，先在每个块内定位短候选窗口，再汇总高分窗口用于回答问题，从而使答案输入和峰值上下文不随录制时长增长。该方法采用两阶段 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%。目前报道主要集中在方法设计与基准测试结果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。