LoHi：重新思考长视频效率，帧、像素与前段延迟的联合分配

面向 VLM 长视频理解，LoHi 提出免训练、单次前向的框架，将密集低分辨率视频流与稀疏高分辨率图像帧通过 VLM 原生视频与图像通路结合。在三个长视频 benchmark 上，LoHi 在相同 token 预算下平均准确率比原生分辨率基线高 10.6 个百分点，比最强效率方法高 5.2 个百分点，并将小时级视频的前端解码延迟最多降低 7 倍。