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
高通技术公司的研究部门,专注端侧高效 AI、多模态模型,以及面向边缘与移动设备的检索与感知系统。
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。