HuggingFace Daily Papers·2026-09-30 08:00· 2 天前AI 评分43

LEAP：面向长音视频感知的学习式分块证据检索框架

LEAP: Learned Block-wise Evidence Retrieval for Long Audio-Video Perception

AI 导读

LEAP 将长录音切分为固定时长区块，用轻量定位阶段为每个区块的候选窗口打分，再把排名最高的窗口汇聚到一次有界回答阶段重新编码，使回答输入与峰值上下文不随录音时长增长。