VideoJev论文发布

2026年10月13日，Hugging Face Daily Papers 收录论文《VideoJev：用于视频理解与交互的 System One 模型》。报道称，VideoJev 将视频理解与交互建模为结构化决策任务，使用共享头对时间区间和文本选项进行打分，从而统一 temporal grounding 与多选视频问答两类任务。目前报道仅披露了该论文的核心方法与任务统一思路，未提及作者、机构、实验结果或代码发布等更多进展。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。