Visual prompt engineering for video models

• 类型：arxiv
• 标识：2607.25537
• 链接：https://arxiv.org/abs/2607.25537
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：It is found that visual prompt engineering, or VIPE for short, improves video reasoning performance across tasks and can be even more effective than classic text-based prompt engineering or test-time scaling.
• OpenAlex ID：W7171626448
• OpenAlex DOI：10.48550/arxiv.2607.25537
• DOI：10.48550/arxiv.2607.25537
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.25537
• OpenAlex更新：2026-08-25
• 待LLM分类：否
• 标题中文：视频模型的视觉提示工程
• TLDR中文：本文发现视觉提示工程（visual prompt engineering，简称 VIPE）能在多项任务上提升视频推理性能，甚至比经典的文本提示工程或 test-time scaling 更有效。
• 来源文件：
• /inbox/tom/_candidates/2026-07-29-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]