重新审视长视频 RAG：V-RAGBench 与 CARVE
CARVE 给每个视频块单独选模态-粒度配置，而不是按查询统一定一种，在去泄漏的 V-RAGBench 上把 Recall@5 从最强基线的 0.510 提到 0.603。
机构
KAIST
韩国顶尖理工研究型大学，其视觉实验室（cvlab-kaist）研究生成式视频、扩散模型与计算机视觉。
Lip Forcing:实时口型同步的少步自回归扩散
首个自回归扩散口型同步法:把 14B 双向教师蒸馏成因果学生,每块只跑 2 步去噪,1.3B 跑到 31.58 FPS,首帧延迟亚毫秒。