CoEvoWhen：面向超长视频时序定位的策略-工具协同演化

研究者提出 CoEvoWhen 策略-工具协同演化框架，从 VLM 的智能体推理轨迹中联合演化高层策略与可执行媒体工具，形成可复用技能且无需更新模型参数。在五个 benchmark 和三个 VLM 上，该方法持续提升超长视频时序定位准确率，同时降低推理时的视觉 token 开销，演化出的技能在通用长视频 QA 上也取得显著提升。