元信息

  • 类型：arxiv
  • 标识：2512.20618
  • 链接：https://arxiv.org/abs/2512.20618
  • 主题：agent, engineering, evaluation, llm-infra, multimodal, rag, risk
  • 主分类：agent
  • 形态：method
  • 被引：22
  • 被引来源：Semantic Scholar
  • S2被引：22
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：A multi-agent framework in which a master LLM coordinates a grounding agent to localize question-relevant segments and a vision agent to extract targeted textual observations is proposed, which significantly outperforms strong non-agent baselines and shows reinforcement learning further strengthens reasoning and planning for the trained agent.
  • OpenAlex ID：W7117248150
  • OpenAlex DOI：10.48550/arxiv.2512.20618
  • DOI：10.48550/arxiv.2512.20618
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2512.20618
  • OpenAlex更新：2026-08-23
  • TLDR中文：本文提出一个多 Agent 框架，由主 LLM 协调 grounding agent 定位与问题相关的片段，并协调 vision agent 提取目标文本观测，显著优于强非 Agent 基线，且强化学习进一步增强了已训练 Agent 的推理与规划能力。
  • 待LLM分类：否
  • 来源文件：
  • /inbox/flyp/2026-06-12-longvideoagent.md
  • [S2 enrich]
  • [OpenAlex backfill]

可复用信息

    • arXiv ID: 2512.20618
    • 发布日期: 2025-12-23
    • 作者: Runtao Liu, Ziyi Liu, Jiaqi Tang, Yue Ma, Renjie Pi, Jipeng Zhang, Qifeng Chen
  • （*共同第一作者，HKUST 团队）
    • 链接:
    • 项目主页: https://longvideoagent.github.io
    • arXiv: https://arxiv.org/abs/2512.20618

写作用途

  • 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
  • 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
  • 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
  • 可用于系统实现、实验平台或工程约束说明。
  • 可用于局限性、风险、失效模式和未来工作。

待补齐

  • BibTeX / 正式引用格式
  • 方法与实验设置细节
  • 与现有工作的差异点
  • 是否有代码和数据集