算法论文8

GVE模型：155万视频练就9种检索技能

量子位2025-11-13

AI 摘要

香港科技大学（广州）与阿里巴巴通义实验室合作，推出GVE模型。它用155万模拟视频训练，一次学会9种视频检索技能，在零样本下超越14个主流模型，为视频检索通用化提供方法论。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

吴恩达：丢弃推理token可提速3倍

吴恩达新作Prefix Sliding指出，模型推理时丢弃中间已贬值token，只保留前缀+滑动窗口，无需训练可提速3倍，配合RL训练能将推理轨迹扩展到10万token以上。该方法为Agent场景提供新思路。

视觉 - 语言 - 动作模型（VLA）是机器人操作重要基础模型，但复杂任务成功率低，真机强化学习成本高。微软等机构研究者提出 UniSteer，将人类纠正转换成噪声监督，在多任务测试中提升了成功率。

ClawBench让AI在144个真实网站执行153个日常任务，结果惨烈，如Claude Sonnet 4.6每三任务翻车两个，GPT - 5.4仅完成10个。它还揭示AI在真实环境的问题，为评估模型提供标尺。

当下大模型能力多靠人为框架，能力上限受限。文章提出“启发学习”，将其集成到推理侧成Isaac框架，通过Prompt与网络层注入复用旧经验，实验显示能大幅提升大模型任务性能。