OmniSeek：音视频多轮推理的原生工具集成框架

2026年10月1日，HuggingFace Daily Papers 社区热门论文收录了 OmniSeek 框架。据该来源介绍，OmniSeek 是一个智能体框架，可将 Omni 大语言模型（Omni-LLM）转变为具备原生工具调用能力的主动式多轮推理智能体。其核心机制是让模型在推理过程中动态决定“看”或“听”，并选取相应的时间窗口，再把检索到的原始音视频片段回填到上下文中。该来源称，这一设计使模型不再被动接受一次性输入，而是通过多轮工具调用主动获取所需音视频信息。目前披露的信息仅来自该论文条目本身，未提及具体评测结果、模型规模、开源或许可安排，也无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。