产品应用8

快手Keye2.0开启多模态强化推理新范式

量子位2026-05-26

AI 摘要

快手：发布Keye-VL-2.0-30B-A3B多模态大模型，引入DSA机制，解锁超长上下文感知与Agent协作。在视频理解等测试中表现优异，还将融入业务，驱动内容与商业发展。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

RefCaptioner 让视频与参考图精准对应

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。

平时找视频信息效率低，而开源项目让Claude等大模型 “看懂” 视频，能提取画面、音频并理解内容。介绍了其工作原理、帧预算、去重、细节模式等，安装使用门槛低，还给出了应用场景和项目地址。

随着多模态大模型发展，Web Agent 面临验证码挑战。上海交通大学等团队发布 HLL 评测基准，解耦真实度为三维度，对 8 款前沿模型测试，揭示 Agent 在多步交互微操上的短板。

上海交通大学与vivo团队提出全新持续学习框架Octopus，首创无需历史数据的梯度正交化技术。实验显示，它在UCIT基准上表现超SOTA方法，还实现正向后向迁移，适合端侧部署。