音视频问答智能体精简工具集，推理成本降约七成

研究团队把专用工具版 OmniAgent 的工具集分阶段剪枝，并将音视频专用工具逐步整合为全模态工具，得到一个只保留“全模态描述”和“全模态问答”两个工具的智能体。作者称，在三个常用音视频问答基准上，这个精简智能体的准确率与专用工具版相当或更优，推理成本降低约 70%。 该研究由 Yi Wang、Tianzi Wang、Peter Bell 发布，要回答的问题是：只保留必要的感知能力、采用紧凑工作流时，能否维持与专用工具版相当的性能。上述准确率与成本数据均为论文报告的结果。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。