算法论文8

腾讯混元：MTSS 解决视频处理难题

机器之心2026-04-27

AI 摘要

腾讯混元团队：提出 MTSS 范式，升级视频描述方式。它解决传统‘流水账’描述的问题，通过实验验证在视频理解和生成上效果显著，为视频大模型指明新数据工程道路。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

PhiZero：让AI学会「物理语言」

PhiZero由中科院自动化所团队研发，探索让AI读懂真实世界运动、交互与变化的“物理语言”。它构建Reason - then - Render框架，经大量数据训练，在多基准测试中表现领先，为AI理解物理世界开辟新通道。

Alaya Lab等联合推出的Alaya - EVOKE能生成小时级视频，解决常见问题。它把记忆搬到模型外，改造教师模型，经多轮技术操作，实验成绩佳，给出清晰训练方案，也指出项目边界。

8月17日，智象未来发布交互式世界模型HiDream - O1 - World，定位为全球首款原生全模态交互式世界模型。它提供漫游和编辑两种交互方式，在WBench测试中成绩优异，但开放场景表现待验证。其采用独特生成方式，有广阔应用前景。

多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner，强化模型对参考图识别感应能力、优化输出格式与奖励函数；还构建 MRVBench 评测基准，实验显示其表现优异。